本文主要是介绍2022年了，PyTorch、TensorFlow选哪个【模型可用性、部署便捷性、生态系统（嵌入式/物联网首选：TFLite + Coral）】，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
坊间传闻：「TensorFlow 适合业界，PyTorch 适合学界」。都 2022 年了，还是这样吗？
快到 2022 了，你是选 PyTorch 还是 TensorFlow？之前有一种说法：TensorFlow 适合业界，PyTorch 适合学界。这种说法到 2022 年还成立吗？在这篇文章中，作者从模型可用性、部署便捷度和生态系统三个方面对比了两个框架的优缺点，并针对不同身份的读者给出了不同的选择建议。
一、模型可用性（PyTorch 胜出）
在模型可用性方面，PyTorch 和 TensorFlow 表现出了明显的区别。它们都有自己的官方模型库，但是对于从业者来说，这些库里的模型可能还不够。因此，我们有必要比较一下这两个框架官方模型库之外的模型来源是否丰富。
HuggingFace
HuggingFace 的存在使得深度学习从业者仅借助几行代码就能将训练、微调好的 SOTA 模型整合到其 pipeline 中。下图显示了两个框架的 HuggingFace 模型可用情况。从图中看出，HuggingFace 中大约有 85% 的模型只能在 PyTorch 上用，剩下的模型还有一半也可以在 PyTorch 上用。相比之下，只有 16% 的模型能在 TensorFlow 上用，只有 8% 是
这篇关于2022年了，PyTorch、TensorFlow选哪个【模型可用性、部署便捷性、生态系统（嵌入式/物联网首选：TFLite + Coral）】的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
