PyTorch横扫各大顶会，TensorFlow退守工业界：机器学习框架，一年间局势突变( 七 )

2019-10-11

并且，许多企业的代码都是基于TensorFlow搭建的，想要迁移到PyTorch上，并非易事。

另一方面，相比于PyTorch，TensorFlow本身就是为工业界量身打造的。

相比于研究实验，工业界会有更多的限制和要求，比如：

· 不用Python。Python在服务器上运行时开销太大，有些公司承受不来。

· 可移动性。移动二进制文件中没法嵌入Python解释器。

· 服务。无停机更新，模型间无缝切换，可预测时间的批处理，等等等等。

TensorFlow在这些方面显然比PyTorch做得好得多。比如，训练好模型，然后使用TF Lite进行部署，是目前最可靠的生产管道之一。

有网友举了个例子：

TensorFlow能够将模型导出到coreml Android模型中，也能很容易地将其转移到GCP（谷歌云端平台）环境等任何形式的生产环境中。

推荐阅读

上一篇：跻身十大最受欢迎应用，TikTok在巴西如何取得成功？

下一篇：小米重启Note系列旗舰，与三星Note 10撞名