TensorFlow 和 PyTorch 是现在最容易被拿来对比的两个深度学习框架。我经常收到类似问题零基础学深度学习到底选 TensorFlow 还是 PyTorch。我的回答通常很直接如果你没有必须沿用某个 TensorFlow 项目的需求也没有明确要用 TensorFlow 做移动端部署的场景那就先从 PyTorch 入手。这个判断不是我随口给的下面会从环境安装、训练体验、调试方式、部署路径几个角度拆一遍再说清楚什么情况下你反而应该选 TensorFlow。很多新手纠结框架是因为看到的教程一半用 TensorFlow一半用 PyTorch每个教程都说自己简单结果越看越乱。实际上框架的选择对你的项目能不能跑通影响并不大真正影响体验的是环境配置、数据格式、模型调试和部署方式。这篇文章不讲虚的直接按“安装、跑通最小例子、训练调试、部署、排错”的顺序讲最后给一个能直接执行的选择路线。1. 先确认这场对比到底在解决什么问题1.1 “新手该选哪个”背后的真实顾虑大部分新手纠结 TensorFlow 和 PyTorch不是真的想研究框架架构而是担心三件事哪个更容易学会哪个更容易找到参考代码哪个对以后找工作或做项目更有用。这三个问题其实可以分开看。“容易学会”取决于你是否能快速跑通一个模型并且能在报错时看懂日志。这一步和框架本身有关系但和你用的教程质量、Python 基础、环境有没有装对关系更大。“容易找到参考代码”需要看当前代码生态。近几年发布的论文、开源项目、课程作业大量以 PyTorch 为主尤其是 Transformer、大模型、强化学习这类方向PyTorch 的实现明显更多。你可以搜一下热门的 TD3 强化学习代码、Transformer 实现、常见的 GPT 类模型源码大部分项目都会带上 PyTorch 版本。“对工作有用”则要看岗位方向。如果是纯算法研究、模型训练、论文复现PyTorch 使用率更高。如果是传统业务系统嵌入、移动端推理、工业部署TensorFlow 的 SavedModel 和 TFLite 生态仍然有相当多的存量项目。换句话说选择框架其实是选择你要进入的生态。1.2 框架是工具箱不是学习的全部我更愿意把框架理解成工具箱。PyTorch 和 TensorFlow 能做的建模工作高度重合定义网络结构、计算损失、反向传播更新参数、保存和加载模型。它们的核心概念也几乎一一对应张量、自动求导、模型层、优化器、数据加载器换一个框架只是换了一套 API。所以真正决定学习顺利不顺利的往往不是框架选没选对而是有没有把 Python 基础、张量运算、梯度下降这些前置概念搞定。如果连切片、矩阵形状、list 和 ndarray 的区别都还不熟选哪个框架都会卡在同一个地方。但框架也不能完全不选。对新手的意义在于它决定了你遇到问题时能搜到什么答案能复制什么样的最小代码。减少环境配置上的摩擦对新手来说比任何框架特性都重要。这也是我建议大多数人从 PyTorch 入手的核心原因之一社区教程多报错可读动态图调试直观。2. 两个框架的核心差异按这几个维度看2.1 动态图和静态图决定了调试体验PyTorch 默认是动态图运算在运行时逐行执行你可以随时打印中间张量的值可以在模型前向传播里断点调试可以像写普通 Python 代码一样写 if、for、循环。出错时看到的堆栈信息也相对直观能定位到具体哪一行。TensorFlow 2 虽然默认开启了 Eager Execution也就是即时执行模式但真正追求性能时还是会用到tf.function把 Python 代码编译成计算图。图模式下很多操作被重写调试时经常出现“我明明写了 print但没输出”或者“报错信息指向一个很深的内部函数”的情况。对新手来说这种体验差距是实打实的。PyTorch 2.x 引入了torch.compile可以在保留动态图调试体验的同时把模型编译成更高效的图执行。也就是说PyTorch 现在也能追求性能但它的默认路径对新手友好得多。TensorFlow 的性能优化能力很强只是你需要更早接触到图、自动微分、tf.function这些概念。2.2 生态、社区和部署生态的差异生态差异不体现在“能不能实现某个模型”而体现在“你想参考别人的代码时能不能搜到”。在学术研究和开源社区PyTorch 的份额优势比较明显。很多论文作者会在 GitHub 放出 PyTorch 实现很多预训练模型权重也是 PyTorch 格式。你复现别人的结果时少一步格式转换。TensorFlow 的价值更多体现在完整生产链路。Keras 高层 API 对新手非常友好几行代码就能定义和训练一个模型适合快速体验深度学习。TensorFlow 的移动端、嵌入式部署工具链也更成熟TFLite 在 Android、树莓派、嵌入式设备上有很多实际案例。但要注意一点现在两个框架都可以通过 ONNX 作为交换格式。PyTorch 训练的模型可以导出 ONNX再转成 TensorRT、ONNX Runtime、TFLite 等格式。所以“选了 PyTorch 就不能部署到移动端”是不成立的只是路径上多了一步转换。下面用一张表概括常见差异对比维度PyTorchTensorFlow默认执行模式动态图调试直观Eager 默认但图模式更常见论文复现生态强开源实现多相对少高层 API需要手写训练循环Keras 封装完善移动端部署需通过 ONNX 等中转TFLite 生态成熟学习曲线先难后易概念清晰简单任务上手快深入时概念多生产部署TorchServe、ONNX RuntimeTensorFlow Serving、TFLite大模型生态多数开源模型首选部分业务系统仍在用3. 上手前先准备环境这一步决定后续体验3.1 安装前先确认三件事我见过太多人卡在框架安装上而且多数不是框架本身的问题而是环境没搞清楚。安装前先确认Python 版本。建议 Python 3.10 或 3.11太老或太新都可能遇到包匹配问题。有没有独立环境。不建议在系统 Python 里直接装深度学习库最好用 conda 或 venv 建一个隔离环境。有没有 GPU。跑通 CPU 版很简单但如果你有 NVIDIA 显卡提前确认驱动和 CUDA 版本能少走很多弯路。在命令行里先看基本信息python --version conda --version nvidia-sminvidia-smi能显示驱动版本和显卡型号。注意这个命令显示的是显卡驱动支持的 CUDA 版本不代替安装 CUDA Toolkit。很多新手以为装了驱动就能直接装深度学习框架实际上框架安装包通常还会依赖对应的 CUDA 运行库这一步最容易出错。3.2 CPU 版安装与验证如果只是学习先装 CPU 版完全够用。MNIST、简单分类、理解训练流程CPU 都能跑只是训练慢一点。创建隔离环境的通用过程conda create -n dl python3.10 conda activate dl然后根据框架选择安装命令。这里以 pip 安装为例实际命令要以官方文档为准# PyTorch CPU 版示例 pip install torch torchvision # TensorFlow CPU 版示例 pip install tensorflow装完先别急着写模型先验证导入是否正常import torch print(torch.__version__) import tensorflow as tf print(tf.__version__)如果能打印出版本号说明基础安装没问题。如果是 Mac 或 Linux 环境命令可能不同遇到问题先确认你当前激活了哪个环境以及 pip 对应的是不是当前环境的 pip。这个低级错误每天都会出现。3.3 GPU 版安装与版本匹配GPU 版的难点在于版本匹配。PyTorch 和 TensorFlow 的安装包通常会明确支持某个 CUDA 版本比如 CUDA 11.8 或 12.1。如果你的显卡驱动版本过低可能与新版本的 CUDA 运行库不匹配导致torch.cuda.is_available()返回 False或者 TensorFlow 检测不到 GPU。PyTorch 的 GPU 版通常通过指定安装源实现。官方页面会自动生成对应命令下面只是示例pip install torch torchvision --index-url https://download.pytorch.org/whl/cu121TensorFlow 也有对应安装方式新版还推出了依赖自动匹配的安装入口。但我不建议新手背命令而是建议先去对应官网看当前稳定版本支持什么 CUDA再决定安装参数。安装完成后用下面的代码验证 GPU 是否可用import torch print(torch.cuda.is_available()) print(torch.cuda.get_device_name(0)) import tensorflow as tf print(tf.config.list_physical_devices(GPU))torch.cuda.is_available()返回 True且能列出显卡名称这一步才算通过。还有一类常见问题来自嵌入式设备。比如 JetPack 6.2.2 或类似 ARM 环境不能直接装通用官方包通常需要找设备厂商或社区提供的预编译 wheel然后手动指定安装路径。这种情况下不要照搬 PC 上的安装命令先确认设备对应的框架版本号。4. 用最小例子跑通一个模型体感立刻不一样4.1 从数据到训练的公共流程不管用哪个框架训练一个深度学习模型的流程是一样的准备数据做归一化、类型转换。定义模型结构。定义损失函数和优化器。循环读取一批数据前向计算算损失反向传播更新参数。观察损失变化判断训练是否正常。PyTorch 和 TensorFlow 只是把这段话翻译成了不同的 API。你真正需要理解的是这个公共流程而不是一味背某个框架的接口。4.2 两个框架各写一版核心代码下面用 MNIST 手写数字分类做最小例子。PyTorch 版本手动写训练循环突出每一步做了什么import torch import torch.nn as nn from torch.utils.data import DataLoader from torchvision import datasets, transforms transform transforms.Compose([transforms.ToTensor()]) train_data datasets.MNIST(root./data, trainTrue, transformtransform, downloadTrue) train_loader DataLoader(train_data, batch_size64, shuffleTrue) model nn.Sequential( nn.Flatten(), nn.Linear(28 * 28, 128), nn.ReLU(), nn.Linear(128, 10) ) loss_fn nn.CrossEntropyLoss() optimizer torch.optim.Adam(model.parameters(), lr1e-3) for epoch in range(3): for x, y in train_loader: pred model(x) loss loss_fn(pred, y) optimizer.zero_grad() loss.backward() optimizer.step() print(fepoch {epoch}, loss {loss.item():.4f})TensorFlow 用 Keras 高层 API 写同样任务代码更短import tensorflow as tf (x_train, y_train), _ tf.keras.datasets.mnist.load_data() x_train x_train / 255.0 model tf.keras.Sequential([ tf.keras.layers.Flatten(input_shape(28, 28)), tf.keras.layers.Dense(128, activationrelu), tf.keras.layers.Dense(10, activationsoftmax) ]) model.compile(optimizeradam, losssparse_categorical_crossentropy, metrics[accuracy]) model.fit(x_train, y_train, batch_size64, epochs3)对比这两段代码能明显看到一个差异PyTorch 把训练循环暴露给你Keras 则封装了fit方法。对新手来说PyTorch 看起来更繁琐但训练循环里的每一步反而更容易理解。Keras 的fit虽然省事但遇到自定义训练逻辑时你还是要回到循环本身。4.3 训练时最该观察什么跑通代码只是第一步更关键的是知道训练是否正常。新手最容易犯的错是只看训练完成不看损失变化。我一般会建议观察三个点损失是否在逐步下降。如果一直在某个值附近震荡或直接变成 NaN说明数据归一化、学习率或模型结构可能有问题。有没有过拟合。训练集损失持续下降但验证集准确率不涨甚至下降就要考虑加正则或减小模型容量。资源占用是否正常。训练时 CPU 或 GPU 使用率应该明显上升。如果训练代码跑起来但 GPU 使用率为 0很可能模型没有放到 GPU 上或者数据加载太慢。5. 训练只是前半场调试和部署决定生产体验5.1 动态图调试更容易定位问题遇到模型不收敛、形状不匹配、梯度异常PyTorch 可以直接在循环里打印中间张量的形状和数值。因为它是动态执行每一步都能看到实际结果。TensorFlow 的图模式下有时你输入的代码会被重新编译print 语句可能不会按预期执行排查起来需要多绕几个弯。我不是说 TensorFlow 不能用而是说这种调试体验对新手的友好程度差别很大。框架报错信息也是重要参考PyTorch 的报错往往直接指到你的模型定义或训练循环TensorFlow 的报错则可能带着大量内部签名第一次看到会非常有压力。5.2 部署转换要提前想清楚学习阶段不太需要关心部署但如果项目要上线就必须考虑模型怎么导出。PyTorch 常见做法是导出 ONNX或者用 TorchScript、torch.export导出图模型。TensorFlow 常见做法是保存 SavedModel再根据目标设备转换成 TFLite 或 TensorRT。ONNX Runtime 是目前兼容性比较好的推理方案很多项目都是“PyTorch 训练ONNX 推理”的组合。给一个通用思路训练完成后保存模型权重。把模型转为部署格式导出前固定输入形状。用很小的测试输入验证导出后的模型输出和训练时是否一致。再接入对应推理引擎。这里要注意一个坑很多框架升级后老模型加载会出现提示或报错。比如 PyTorch 新版对weights_only参数默认值有调整加载旧模型时可能看到警告。这类提示不要直接忽略它影响的是旧模型文件的兼容性。如果加载失败先检查模型文件是否保存于同一个框架版本必要时重新导出。5.3 高层 API 会缩小框架差异如果你只是用 Keras 写简单分类TensorFlow 的入门体验并不差甚至比手写 PyTorch 循环更快看到结果。PyTorch 也有 PyTorch Lightning 这类库来减少样板代码。也就是说两个框架都在互相学习高层封装让差异缩小了。但高层 API 包装得再多底层概念没绕过张量、模型、优化器、数据加载、反向传播。所以选择框架时不要只看哪个高层封装更省事而是看你愿不愿意理解这些底层概念。愿意的话PyTorch 会让你更清楚不想深入理解只想快速看到结果Keras 确实更快。6. 最常见的安装与运行报错按这个顺序排查6.1 导入报错首先检查环境现象是import torch或import tensorflow直接报错比如找不到模块、DLL load failed、lib 库缺失。排查顺序确认当前在激活的环境中。在终端输入which python或where python看路径是不是你创建的那个环境。确认 Python 版本和框架兼容。换到 3.10 或 3.11 通常能避开大部分坑。确认安装命令用对。不要同时混用 conda 和 pip 的深度学习包否则容易出现半个环境装一半的情况。如果是 Windows 环境报 DLL 错误时先看是不是缺少 Visual C 运行库这个最常见。6.2 GPU 不可用先看驱动和版本现象是程序能跑但很慢或者cuda.is_available()为 FalseGPU 列表为空。排查顺序先运行nvidia-smi确认驱动正常、显卡能被系统识别。确认框架安装包对应的 CUDA 版本。驱动太老新 CUDA 运行库无法使用。确认你安装的是 GPU 版而不是 CPU 版。很多人只装了默认的 PyTorch CPU 版GPU 自然不可用。查看日志中是否有显存不足、驱动版本过低等明确信息。我建议把“GPU 是否可用”检测做成一个固定开头脚本每次换环境都先跑一遍能避免在错误环境里调半天模型。6.3 版本冲突靠隔离环境解决有时候你跟着教程装了一个包结果把另一个框架的依赖弄坏了。最省事的办法不是反复修依赖而是建两个独立环境一个给 PyTorch一个给 TensorFlow。比如conda create -n torch_env python3.10 conda create -n tf_env python3.10分开之后两个框架的依赖互不干扰。学习阶段推荐这种做法比追求“一个环境装两个框架”省心得多。需要复现别人的项目时也可以单独建环境和安装 requirements避免把时间花在依赖打架上。下面是一个简化的排错参考表现象常见原因优先检查项import 报错Python 版本不兼容、DLL 缺失当前环境路径、系统运行库GPU 不可用装成 CPU 版、驱动太老nvidia-smi、安装命令显存不足batch size 过大、模型过大降低 batch size、减小输入分辨率损失为 NaN学习率过大、数据有异常值降低学习率、检查归一化训练很慢但 GPU 占用低数据加载瓶颈、模型在 CPU 上检查数据加载线程、设备位置加载模型警告框架版本升级对比保存和加载版本7. 新手到底怎么选给一个能直接执行的路线7.1 按目标场景对号入座不同目标对应不同选择下面是我比较认可的选择逻辑你的目标更推荐原因论文复现、学术研究PyTorch开源实现多调试方便毕设和课程作业PyTorch教程多搜答案容易算法岗、大模型方向PyTorch主流开源模型基本首选传统业务系统部署TensorFlowTFLite 和存量生态成熟快速体验深度学习TensorFlow Keras高层封装省事嵌入式端侧推理根据硬件厂商生态定需要按具体设备找预编译包如果你是学生或者刚入门准备走算法方向我会更倾向 PyTorch。原因是这个方向的资料、代码、社区讨论更集中你遇到问题更容易找到直接可用的答案。如果你已经在企业里需要维护一个现有的 TensorFlow 项目或者明确要部署到移动端设备那就不要因为“PyTorch 热门”就强行换。更换框架的成本很高不划算。7.2 无论选哪个按这个顺序学选定框架之后学习顺序比框架本身更重要。我建议按下面这个顺序推进搞懂 Python 基础重点是 list、dict、循环、函数、类。花半天熟悉 NumPy 和数组形状深度学习里到处是张量变换。用框架创建一个张量做加减乘除理解自动求导。跑通一个最简单的手写数字分类不管 CPU 还是 GPU先让损失降下去。把训练循环拆开看知道前向、反向、更新参数各是哪一步。去读一个别人写的完整小项目比如一个带 Dataset 和数据增强的代码。最后再考虑批量训练、模型保存、导出部署。这个顺序的好处是每一步都有明确的完成验证张量能创建损失能下降代码能跑通模型能保存。不要一开始就追求复杂项目更不要同时学两个框架。先把一个框架跑稳另一个框架当你真正需要时切换成本并不会很高。最后留一句我自己的体会很多看起来像框架能力不足的问题最后查下来都是环境没配好、输入数据格式不对、版本不匹配。选择 PyTorch 还是 TensorFlow只是你深度学习之路的开始真正让你走远的是能不能把每一步的输入、输出和报错看清。先跑通一个最小例子再决定要不要深入这才是最务实的做法。