Image from unsplash.com by @antoine_similon
关于 Tensorflow 和 PyTorch 孰优孰劣的对比和争论一直没有停过，但这并不是本文讨论的重点。因为，按照目前的趋势发展下去，两者各有优劣，都无法在短时间内取代对方。
在2020年的今天，对于机器学习的研究者和使用者而言，掌握两个框架变得同等重要。
Tensorflow 2.0 在吸取了 PyTorch 的诸多优点后，两者变得越来越相似，这对于我们来说其实是个好事。
小孩子才做选择，成年人全都要，今天我们就开启两者的对比学习之旅吧。
关注微信公众号获取代码仓地址（二维码见文末）
1. 开发环境搭建
Tensorflow 和 PyTorch 开发环境的搭建网上已经有很多教程了，这里就不再赘述了，对了如果你还不知道我可以告诉你，两者是可以在同一个环境和平相处的。
为了更好的学习体验，我建议使用 jupyter notebook 并安装分栏插件。
首先，在终端中输入下面命令：
pip install jupyter_contrib_nbextensions
jupyter contrib nbextension install --user
装完成后可在 Jupyter notebook 中找到 Nibextensions 页。在此勾选 Split Cells Notebook 这个插件。
分栏模式的应用：
- 在分栏对象 Cell 按
Esc键退出编辑模式。- 快捷键
ctrl + s将本 Cell 分栏。
分栏后效果如图
image
可以用图中代码检查 tensorflow 和 PyTorch 的版本。本教程基于最新的 Tensorflow 2.x，如果你还在使用 Tensorflow 1.x, 请务必升级！！！
2. 教程内容
本教程将从 Tensorflow 和 PyTorch 的基本操作讲起，当中会涉及到张量的简介和初始化，张量的数学运算。
接着，会介绍如何使用这两个工具对张量进行求导，完成模型的前向传播，后向传播以及如何优化参数等等。
我们会结合实例，深入探讨如何搭建和训练神经网络，全连接，卷积和循环神经网络，如何优化参数和结构。
最后我们还会实战分类问题，预测问题，强化学习问题，生成对抗网络等等。
相关文章
Tensorflow 2.0 --- ResNet 实战 CIFAR100 数据集
Tensorflow2.0——可视化工具tensorboard
Tensorflow2.0-数据加载和预处理
Tensorflow 2.0 快速入门 —— 引入Keras 自定义模型
Tensorflow 2.0 快速入门 —— 自动求导与线性回归
Tensorflow 2.0 轻松实现迁移学习
Tensorflow入门——Eager模式像原生Python一样简洁优雅
Tensorflow 2.0 —— 与 Keras 的深度融合
如果喜欢本教程，欢迎关注微信公众号和代码仓(如果喜欢不要忘了给星哟!)，
网友评论