tensorflow？tensorflow和pytorch的区别

一、tensorflow是什么语言

TensorFlow是一个表达机器学习算法的接口，并且是执行算法的实现框架。使用TensorFlow表示的计算可以在众多异构的系统上方便地移植，从移动设别如手机或者平板电脑到成千的GPU计算集群上都可以执行。该系统灵活，可以被用来表示很多的算法包括，深度神经网络的训练和推断算法，也已经被用作科研和应用机器学习系统在若干的计算机科学领域或者其他领域中，例如语言识别、计算机视觉、机器人、信息检索、自然语言理解、地理信息抽取和计算药物发现。

关注优就业，学习更多IT知识。

二、怎样入门TensorFlow

使用tensorflow识别需要进行大量的学习，需要准备大量的学习资源，感觉有点得不偿失。对于识别汉字可以直接调用第三方接口，感觉这样会方便得多，如果只是为了学习tensorflow的话，可以去github上面找相关材料，上面有很多开源的学习资料，供自己选择。

另外，吴恩达的课程在他的官网上面也都公开了，可以直接去学习。也可以关注他的公众号，每周都会更新相关课程。

三、tensorflow与pytorch的区别

1.pytorch和tensorflow的运算差异

首先要搞清楚pytorch和tensorflow之间的不同点就要知道两者在运算模式上的差异，前者是一个动态的框架，所谓动态框架，就是说在运算过程中，会根据不同的数值，按照最优方式进行合理安排。而相对来说后者属于静态框架，所谓静态框架，就是只需要建构一个tensorflow的计算图，然后才能够将不同的数据输入进去，进行运算，这世界上就带来了一个非常严重的问题，那就是计算的流程处于固定状态，这种不灵活的运算方式，必然会导致在结算结果上效率比较低下。从运算过程的区别来看，pytorch的优势比较明显。

2.pytorch和tensorflow的使用对象

这两种程序操作虽然能够得到同样的结果，但是由于不同的运算过程，会导致在程序应用的过程中有不同的难点，Pytorch，相对来说更能够在短时间内建立结果和方案更适合于计算机程序爱好者或者是小规模项目，包括研究人员。而tensorflow则更适合在大范围内进行操作，尤其是对于跨台或者是在实现嵌入式部署的时候更具优势。所以如果不知道应该选择使用pytorch还是tensorflow，必须对自己的目标和预期效果做以评判。