比較贊同這篇博客中，最後的一句話，話糙理不糙：
框架是死的，人是活的。兩個框架各有千秋，只是Pytorch更有前景。
選擇最有前景的，纔是最理智的，不要49年入國軍。
來源 | https://zhuanlan.zhihu.com/p/90534875
作者 | 土豆變成泥 （中國科學院自動化研究所算法工程師 ）
提醒 | 本文已獲得作者授權發佈，如需轉載請與作者聯繫。
導讀：
本文是知乎上問題“TensorFlow 真的要被 PyTorch 比下去了嗎？”的回答內容，作者是中國科學院自動化研究所算法工程師，該回答在知乎上達到628贊，引起大家討論，得到不少人的認同和支持。
以下爲該回答的全部內容：
作爲谷歌tensorflow某項目的Contributor，已經迅速棄坑轉向Pytorch。目前Tensorflow還沒有被Pytorch比下去，但之後極大概率被比下去。
01 在學術界Pytorch已經超越Tensorflow
Pytorch因其簡單易上手，目前已經被廣大Researcher所使用。
深度學習論文Pytorch框架使用比例
從2018年的10%左右，飆升到今年的80%，只要不一頓操作猛如虎，Pytorch在學術界稱霸已成定局。
道理很簡單，Research的目的是快速實現、驗證自己的想法，而不太注重兼容、部署等問題，因此多數人奉行“怎麼快怎麼來”的策略；同樣，只有能夠快速驗證自己idea的Researcher才能不被實現而耽誤太多時間，更有機會發好的論文。
因此，學術界Pytorch未來會一枝獨秀。
02 在工業界Tensorflow依舊無可取代
工業界更注重部署，而Tensorflow的生態更有利於快速部署。
以Nvidia支持的TensorRT爲例子，與Pytorch相比，英偉達官方不僅是是支持了Tensorflow，而且給出了多種模型的基於TensorRT的多版本模型，除此之外，還給出了不同模型在最常用的嵌入式板子TX2上的算法測試時間。
所以，如果作爲一個工程人員，爲了更快速給出方案、更快速跑通流程、更快速完成任務，最好的方式就是在現有的生態基礎上，進行算法組合和調優，以滿足特定任務。
而如果採用部署生態尚不成熟的Pytorch，可能遇到目前TensorRT不支持某些操作、TensorRT的優化沒達到Tensorflow的水平，甚至出了一些莫名其妙的Bug然後花了好幾天才解出來甚至解不出來。
所以，目前的部署生態，Tensorflow要比Pytorch老練很多。
03 未來，Tensorflow無法打入學術界
從Pytorch2018年的10%飆升到80%這一趨勢來看，Tensorfow未來是無法打入學術界的，並且後續佔據的份額會更少。一個失了人心的框架，想力挽狂瀾的再找回人心，比重新開始還要艱難。
除此之外，Tensorflow 2.0更值得令人批判，如果圖它的Eager模式，我爲何不使用Pytorch？圖它的歷史包袱嗎？都是動態圖，Pytorch清晰明瞭簡潔，也沒有那麼多老舊歷史需要繞道。而使用Tensorflow時候，總是一不小心就發現還是繞回了原來的舊版本上。
04 未來，Tensorflow可能也會失掉工業界
Tensorflow在工業界的地位，也沒有那麼牢固，因爲生態總歸是人構建的。
當學術界瘋狂撲入Pytorch，對新模型的適配等工作，自然會傾向於Pytorch了。
有些項目做了Pytorch轉Tensorflow的工具，到時候難道Tensorflow，就只用來部署了？
05 Tensorflow的劣勢
Tensorflow靜態圖雖說上手難了點，但這並非1.x版本不好用的主要原因。Tensorflow 1.x不好用的主要原因在於API混亂。
tf.nn中算是基本操作，可tf.layer、tf.keras、還有tf.contrib裏面一坨東西tf.contrib.layer、slim等等，這麼多冗餘的Module，其實都只是基本的神經網絡層，contrib裏面額外有一些特殊的。
可是這種冗餘極大降低了Tensorflow的生態質量。有的人習慣用tf.layer，有的喜歡nn,官方還一直用slim，不少人也用tf.contrib裏面的很多東西。這種混亂使得Tensorflow的生態用起來並沒有那麼容易。
記得剛用tensorflow不久時候，對contrib裏面的東西瞭解也不多。突然看代碼遇到slim這東西，感覺簡直了。谷歌官方的代碼裏，明明就一個MobileNet，就不能不用contrib裏面的東西麼？我就不知道有什麼騷操作需要用到這裏的東西，說好的contrib裏面的東西不穩定呢？不穩定還總是用。
到了Tensorflow 2.0後，情況並沒有好轉。
爲了兼容1.x，谷歌也是想方設法的搞。可是，2.x的生態其實連Pytorch的車尾燈都看不到。圖個啥？圖時不時發覺還是1.x的生態好？
還不如堅守靜態圖，然後好好梳理一下自己的API！
06 總結
Pytorch依舊上升，而tensorflow的混亂會使得tensorflow會優勢漸失，倒向動態圖的tensorflow，只會加速自己的消亡。
所以，對於要入坑神經網絡的小白，直接撲向Pytorch不要回頭；
對於已經在使用Pytorch的，不要心心念念想着Tensorflow，這不是一個香餑餑；
對於已經在Tensorflow淺坑裏的，建議馬上轉向Pytorch，因爲你會Tensorflow再學會Pytorch，一週就夠了；
對於已經在Tensorflow坑底的，那一定是很大很大的大佬了，框架對你來說已經不是束縛了。
框架是死的，人是活的。兩個框架各有千秋，只是Pytorch更有前景。
選擇最有前景的，纔是最理智的，不要49年入國軍。