动态图极大的降低了开发者构建深度学习模型的技术门槛

从开发者的角度来看，静态图意味着：

• 必须使用AI框架中定义的流程控制语句，而不是Python原生控制流语言
• 必须先定义完整个计算图，然后才能执行，非常不方便调试
• 整个计算图中必须使用框架中的数据类型，不能使用Python的数据类型
  这有点儿像让开发者重新记住一套语法规则，非常不友好。

飞桨1.4版本之前，TensorFlow 1.4版本之前，都不支持动态图。PyTorch诞生之初就支持动态图，这也让PyTorch一下在开发者中火爆起来。那么，从开发者眼中，什么是动态图呢？

• 能够遵循Python组织代码的方式，并能使用 Python 数据结构
• 使用 Python 的原生控制语句而非计算图控制流
• 能够即时执行，不必等到整个计算图定义完才执行，方便调试
  动态图对开发者来说，只要会Python，就能用AI框架定义深度学习模型，不必被迫再学习“一套语法规范”，而且调试简单。

现在三大主流框架，TensorFlow、PyTorch、飞桨，都支持动态图编程，用法基本一模一样，甚至连很多API函数的名字，都有一样，这简直就是开发者的福音，简单来说，你只要熟练任一个框架，其余两个框架，根本不需要专门学习，即可上手使用。

动态图时代，降低了AI框架之前切换的鸿沟，让开发者同时，快速，低学习成本的掌握三个主流框架成为可能。很多读者问，为啥要掌握三个AI框架，因为每个框架里面都有一些很有特色的模型，例如，飞桨里面有PP_YOLO， TensorFlow里面有EfficientDet，PyTorch里面有YOLOv5