tensorflow2.0是否值得跟进，还是继续使用pytorch？

一直使用pytorch，在工程产品部署上效率一直不高，2.0在易用性上是否会达到pytorch的水平？

你原本是 tf boys的话，当然值得跟进，你本来就是 pytorch的话，有遇到什么不能解决的问题而正好TF能解决，还是别人源代码都TF写的，又或是你真觉得 PYTORCH在部署上效率不高，而你又经常要部署？不然真不用跟进TF。

我试过 tf 1.12/1.10 的 eager 模式，比原本的 static 模式简单不要太多，确实比较接近 pytorch 了，封装后的keras 更抽象，确实比 PyTorch 更简单，一个 compile/fit 就行，而PyTorch 没封装到这一层。

我写了几个notebook，在图像分类问题上， PyTorch/TF 获取相同输入、生成相同模型和权重参数、能得到非常相似的输出和分类结果 sndnyang/DeepLearningCMP DeepLearningFrameworks Compare

但 tf 2.0 还是体验版，可能还存在更多的BUG，我上周就提交了一个 tf batch normalization 的BUG

TF 2.0 还是 Pytorch 1.0 呢？科研工程怎么办？我选择MXNet

LOL.

值得更进。

首先tf2.0算是一次彻头彻尾的自我否定和改革了。摒弃了以前的很多窠臼。迎来的肯定是易用性。

仔细看devmit2019你会发现，tf2.0著重强调了api的可持续性，因此可以遇见未来基于tf2.0开发的模型不会有太大的变化，更重要的是统一化了层的编写方法。以前的什么slim，tflearn，keras，tflayers真的令人头大，现在官方统一化了。不会再百花齐放了，不是说百花齐放不好，而是没有意义，实现都一样只是改了一个namespace有意义吗？

说到部署，我预计未来可能会出现一个libtf，现在c++介面太难用了。你别看pytorch有libtorch，那个效率是真的低。

除此之外你还可以选择swift for tf，据说可以seemless地导入python代码。

至于嵌入式，tflite always promising

最后，在广告里面插播一条重点内容：

国内最大的AI交流社区上线了，欢迎大家来讨论交流，提问

奇点AI社区?

talk.strangeai.pro

然而企业级部署大都还是会选择tensorflow

看完这个新加坡国立大学的TF2教程你就知道了，

这是我找到的唯一的中文TF2的教程，拿走不谢！

全网唯一中文TF2!

深度学习与TensorFlow 2入门实战 - 网易云课堂?