本文共 650 字，大约阅读时间需要 2 分钟。

柏视医疗董事长陆遥：快速验证模型效果使用Pytorch，工业化部署使用TensorFlow。

TensorFlow： TensorFlow提供全面的服务，无论是Python，C++，JAVA，Go，甚至是JavaScript，Julia，C#；TensorFlow良好的文档和社区支持，大大降低了学习成本；提供直观的可视化计算图；模型能够快速的部署在各种硬件机器上，从高性能的计算机到移动设备，再到更小的更轻量的智能终端。但构建TensorFlow深度学习框架需要更复杂的代码，还要重复地多次构建静态图。不过到２.0以后，tensorflow将keras融合进来，很多操作都简化了。

Pytorch：Pytorch的风格和python很像，使用的是动态图，搭建模型比较快，方便调试，能够很快验证方法的有效性，新手上手快，而且库足够简单，跟NumPy、SciPy等可以无缝连接；设计简单，动态地设计网络，而无需定义静态网络图，非常灵活。但pytorch在生产环境部署还不成熟。

Caffe：Caffe 是一个优先考虑表达、速度和模块化来设计的框架。支持 C、C++、Python等接口以及命令行接口。但是，Caffe 不支持精细粒度网络层，给定体系结构，对循环网络和语言建模的总体支持相当差，必须用低级语言建立复杂的层类型，使用门槛很高。虽然开源比Pytorch和Tensorflow要早一点，早期的很多机器视觉的算法是基于Caffe框架，但是Caffe社区比较前两个框架要小很多，更新迭代的也比较慢。

转载地址：http://oxowi.baihongyu.com/