TensorFlow vs PyTorch 1: 安装

之所以要对比TensorFlow vs PyTorch是因为通过比较：

• 可以更加深刻的理解两个深度学习框架以及背后理论
• 为未来改写相互之间的程序奠定基础
• 最终目标：用TensorFlow 2.x / Keras 改写 YOLOv5的PyTorch实现

比较安装TensorFlow vs PyTorch。操作系统：Windows10； Python包虚拟环境管理工具：Anaconda；开发环境：Visual Studio Code
TensorFlow 2.6版本，只有纯安装TensorFlow的命令：pip install tensorflow, cuda/cudnn都需要手动安装，相见《安装TensorFlow2.6》
PyTorch，安装非常容易，一条命令完成安装，如下：

一条命令完成Pytorch以及相关依赖库的安装

在Visual Studio Code中的表现：
TensorFlow 2.6版本Visual Studio Code中，TensorFlow很多子包的自动提示是错的(自动补全功能有问题！)，这对程序开发很不方便！

TensorFlow很多子包的自动提示是错的，这对程序开发很不方便
即便安装成功，在Visual Studio Code中执行TensorFlow 2.6的代码，启动不了GPU，如下：

PS C:\Users\Administrator> & C:/Users/Administrator/anaconda3/envs/tf26/python.exe d:/nn_tf/end_to_end.py
2021-10-31 15:54:23.808083: W tensorflow/stream_executor/platform/default/dso_loader.cc:64] Could not load dynamic library 'cudnn64_8.dll'; dlerror: cudnn64_8.dll not found
2021-10-31 15:54:23.810206: W tensorflow/core/common_runtime/gpu/gpu_device.cc:1835] Cannot dlopen some GPU libraries. Please make sure the missing libraries mentioned above are installed properly if you would like to use GPU. Follow the guide at https://www.tensorflow.org/install/gpu for how to download and setup the required libraries for your platform.

PyTorch 1.10版本PyTorch的自动提示是全对，非常方便开发。另外，在Visual Studio Code中运行PyTorch GPU程序也没有问题，非常方便调试！

自动提示全对，方便开发

结论 基于上述事实，从用户友好(user-friendly)的视角，即simple for people to use的角度评判：

1. TensorFlow的安装完败给PyTorch
2. TensorFlow在Visual Studio Code中的开发和调试，完败给PyTorch