工業界tensorflow多，

學術界pytorch多

別壓注單個，高手都是兩邊壓注，兩個都學。

tensorflow 2.0的高級api和keras很像，請的keras之父開發的api，學習難度比1.x的小。

keras式api可能以後普及率很高，因為新手學這個非常容易。

pytorch，在學術界使用多，動態圖，方便調試，python風格，即不像tf1.x一樣靜態圖的煩躁，又不像keras那樣過於高級api不方便定製，很多論文研究型代碼都用這個寫的。

沒事時你可以把pytorch改成tf2.0的，tf在手機，晶元加速上用途廣，工業環境上使用多，因為出來的早。

想做的偏工程一些，學tesorflow；想更偏演算法一點，學Pytorch

可以參考我的之前的一個回答

TensorFlow 真的要被 PyTorch 比下去了嗎？?

www.zhihu.com圖標

如果你是學生剛學的話，可以看pytorch，如果是工業界要用的話tf吧。

另外，也要看你的方向，比如做ReID的，很多論文的代碼是基於pytorch的，而推薦系統的，很多是基於tensorflow（當然，很多是tf1.x的），如果你在的那個領域，用的框架多，就學哪個框架。

還有一點要說明的是，其實現在說學tf，可你要看的別人的代碼有既有可能是tf最早的底層操作 graph ，session那一套的，也有可能是slim+estimator api那一套的，也可能是tf2.0開始主推的kears這一套的，等於你要學三套，而學pytorch的話呢相對沒那麼多事。

我覺得會使用工具是一方面，但是關鍵的問題還是需要對原理有較深刻的認識。本人目前在職浙大工程碩士學習中，雖然讀的方向不是人工智慧，但是論文方向選擇了基於深度學習方面的項目。因為我以前的基礎太差，普高也沒有讀過，高數基礎為零，後來完全都是自學的，所以我發現基礎理論的重要性。現在正在準備畢業答辯，只希望畢業後還能繼續好好學習，鞏固知識，特別是加強對數理理論的深刻理解。

當然，對於編程工具的熟練使用，也是非常重要的一步。在有了較好的理論背景的基礎之上，使用起這工具來會顯得特別自信，並且能進一步幫助創新。

推薦閱讀：
相關文章