tensorflow2.0是否值得跟進，還是繼續使用pytorch？

一直使用pytorch，在工程產品部署上效率一直不高，2.0在易用性上是否會達到pytorch的水平？

你原本是 tf boys的話，當然值得跟進，你本來就是 pytorch的話，有遇到什麼不能解決的問題而正好TF能解決，還是別人源代碼都TF寫的，又或是你真覺得 PYTORCH在部署上效率不高，而你又經常要部署？不然真不用跟進TF。

我試過 tf 1.12/1.10 的 eager 模式，比原本的 static 模式簡單不要太多，確實比較接近 pytorch 了，封裝後的keras 更抽象，確實比 PyTorch 更簡單，一個 compile/fit 就行，而PyTorch 沒封裝到這一層。

我寫了幾個notebook，在圖像分類問題上， PyTorch/TF 獲取相同輸入、生成相同模型和權重參數、能得到非常相似的輸出和分類結果 sndnyang/DeepLearningCMP DeepLearningFrameworks Compare

但 tf 2.0 還是體驗版，可能還存在更多的BUG，我上週就提交了一個 tf batch normalization 的BUG

TF 2.0 還是 Pytorch 1.0 呢？科研工程怎麼辦？我選擇MXNet

LOL.

值得更進。

首先tf2.0算是一次徹頭徹尾的自我否定和改革了。摒棄了以前的很多窠臼。迎來的肯定是易用性。

仔細看devmit2019你會發現，tf2.0著重強調了api的可持續性，因此可以遇見未來基於tf2.0開發的模型不會有太大的變化，更重要的是統一化了層的編寫方法。以前的什麼slim，tflearn，keras，tflayers真的令人頭大，現在官方統一化了。不會再百花齊放了，不是說百花齊放不好，而是沒有意義，實現都一樣只是改了一個namespace有意義嗎？

說到部署，我預計未來可能會出現一個libtf，現在c++介面太難用了。你別看pytorch有libtorch，那個效率是真的低。

除此之外你還可以選擇swift for tf，據說可以seemless地導入python代碼。

至於嵌入式，tflite always promising

最後，在廣告裡面插播一條重點內容：

國內最大的AI交流社區上線了，歡迎大家來討論交流，提問

奇點AI社區?

talk.strangeai.pro

然而企業級部署大都還是會選擇tensorflow

看完這個新加坡國立大學的TF2教程你就知道了，

這是我找到的唯一的中文TF2的教程，拿走不謝！

全網唯一中文TF2!

深度學習與TensorFlow 2入門實戰 - 網易雲課堂?