如果你正在准备算法岗、深度学习方向的简历项目或者想在 Pytorch 和 TensorFlow 之间做一个不后悔的选择这篇文章可以直接收藏。这次我们不聊框架的“江湖地位”也不念官方文档的目录而是站在实际做项目的角度把两大框架的核心架构差异、环境配置、代码实现、模型训练、部署导出、性能观察一条龙讲清楚。重点不是让你二选一而是帮你把两个框架都跑通一个真实项目知道它们各自擅长什么、哪个环节容易卡住。文章里会给出可以直接复制的 Pytorch 和 TensorFlow 训练代码以及同一份任务在两个框架下的完整实现路径。读完你会对动态图与静态图、Eager Execution 与 Graph Mode、TensorBoard 与 wandb 的配合、模型部署格式这些高频面试点有一个更落地的理解。1. 核心能力速览先把两大框架按项目落地的维度放在同一张表里看方便你快速判断当前任务适合哪个对比维度PyTorchTensorFlow核心架构动态计算图默认 Eager Mode静态图为主TF2 默认 Eager可切换 Graph Mode主流使用场景学术研究、快速原型、CV/NLP 前沿模型复现工业级部署、大规模分布式训练、移动端/服务端推理易用性上手快Python 调试体验接近原生接口分层复杂迁移到 Keras 后门槛降低分布式训练支持 DDP配置简单支持 TF Cluster、MirroredStrategy、TPU生产方案成熟可视化工具TensorBoard 兼容配合 wandb 好用TensorBoard 原生集成生态闭环模型部署TorchScript / ONNX / TensorRTSavedModel / TFLite / TF Serving数据加载DataLoader Dataset 自定义灵活tf.data 管道性能强适合大规模数据流适合简历侧重点模型结构创新、论文复现、研究向项目推荐系统、广告点击率、工业风控、端侧部署项目常见坑点多卡时显存均衡、C 部署需额外学习 TorchScript静态图调试难度高、版本兼容偶有历史包袱需要注意这个表格里的“优势”是面向大多数项目场景说的不代表 PyTorch 不能做部署也不代表 TensorFlow 不能写研究代码。真正决定选型的还是你手里的任务和团队已有的技术栈。2. 选型思路与项目定位很多初学者会在“用哪个框架”上纠结很久实际上选型只需要回答三个问题第一你的团队或导师更熟悉哪个如果项目和组内代码全是 PyTorch你用 TensorFlow 重新写一套维护成本很高。第二你的任务更偏向算法实验还是工程落地研究模型结构、做论文复现、快速验证 ideaPyTorch 的调试体验明显更舒服。如果要上线到服务端、移动端做高并发推理TensorFlow 的 SavedModel TF Serving 方案比 PyTorch 的部署链路更成熟。第三你的简历需要补齐什么“精通 PyTorch”或“熟悉 TensorFlow”这种写法太单薄更好的是“用 PyTorch 复现了某 SOTA 模型并完成 ONNX 导出”“用 TensorFlow 搭建了 CTR 预估模型并部署到 TF Serving”。所以简历竞争力的核心不是框架选边而是你能否在某个框架里跑通“数据 - 模型 - 训练 - 评估 - 部署”的全流程。这篇文章下面的实战部分会用同一个手写数字分类任务在两大框架下分别实现一遍。你不需要把两边代码背下来重点是看数据加载、模型定义、训练循环、指标记录这四个环节各自的写法差异。3. 环境准备与依赖安装不管选哪一边深度学习环境的变量都是类似的Python 环境、GPU 驱动、CUDA、cuDNN、python 包管理工具。建议用 conda 创建独立虚拟环境不要直接混装。3.1 创建虚拟环境conda create -n dl_compare python3.10 -y conda activate dl_compare把 Python 版本固定为 3.10可以同时兼容较新的 PyTorch 和 TensorFlow 版本。如果你用的是 Ubuntu 22.04 或 24.04这是目前比较稳妥的组合。3.2 安装 PyTorchPyTorch 的安装入口是官方安装命令生成器它会根据你的系统、CUDA 版本生成对应命令。CPU 版本可以用下面的命令直接装pip install torch torchvision torchaudioGPU 版本需要在官网选择 CUDA 12.1 或 11.8 等版本例如pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121建议在安装前先用nvidia-smi看驱动支持的最高 CUDA 版本PyTorch 的 CUDA 版本可以和驱动版本不一致但最好不要超过驱动支持的上界。3.3 安装 TensorFlowTensorFlow 2.x 的安装相对简单CPU 版直接执行pip install tensorflow如果你需要 GPU 版需要确认本机的 CUDA、cuDNN 版本与 TensorFlow 官方测试版本匹配。以 TensorFlow 2.18 为例它通常要求 CUDA 12.3 和 cuDNN 8.9。安装后可以用下面的命令检查 GPU 是否可见import tensorflow as tf print(tf.config.list_physical_devices(GPU))如果输出为空说明 TensorFlow 没有检测到 GPU常见原因包括 CUDA 库路径没配置或者 CUDA 版本与 TensorFlow 不兼容。3.4 安装常用辅助库两个框架都用得上这些库pip install numpy pandas matplotlib scikit-learn tqdm需要提醒一点不要在同一环境里同时安装过多个版本的 torch 和 tensorflow因为两个框架的底层依赖库如 protobuf、absl-py可能存在版本冲突。如果一定要共存建议分别建两个虚拟环境各装各的避免折腾半天最后发现是版本冲突。4. 核心架构机制对比面试和简历里最常出现的深度学习框架知识点集中在计算图、自动求导和 API 设计三个层面。4.1 动态图与静态图的差异PyTorch 是动态图。每次执行前向传播时都是按 Python 代码逐行运行同时记录计算图。这种模式的好处是调试非常直观你可以直接打断点查看中间张量也可以像写原生 Python 一样使用print、if条件、for循环控制网络结构。动态图的劣势是性能优化空间有限因为图是每次运行的时候临时生成的。TensorFlow 在 1.x 时代是纯静态图需要先用tf.Session去执行。在 TF2 里默认使用了 Eager Execution也就是类似 PyTorch 的动态执行模式。当需要追求推理性能时又可以通过tf.function将 Python 代码转换为计算图享受图优化、常量折叠等加速。这种“动态调试 静态部署”的混合模式是 TensorFlow 目前的设计思路。一张表总结模式代表框架优点缺点动态图PyTorch 默认调试直观、代码接近原生 Python有解释器开销静态图TensorFlow Graph Mode优化充分、部署性能高调试困难、代码灵活性低混合模式TensorFlow tf.function兼顾调试与性能对代码写法有约束4.2 自动求导的实现差异PyTorch 的自动求导基于 Tensor 和autograd。你做前向传播时凡是参与计算的张量都会记录操作历史调用loss.backward()后梯度会按链式法则反向传播到叶子节点。import torch x torch.tensor(2.0, requires_gradTrue) y x ** 2 3 * x y.backward() print(x.grad)TensorFlow 则使用tf.GradientTape实现自动求导。在 Tape 上下文中执行的操作会被记录之后可以调用gradient方法求导。import tensorflow as tf x tf.Variable(2.0) with tf.GradientTape() as tape: y x ** 2 3 * x grad tape.gradient(y, x) print(grad.numpy())两种写法的关键区别是PyTorch 的梯度图自动附着在张量上TensorFlow 需要用GradientTape显式管理记录范围。理解这个区别就能看懂两个框架训练循环里几分相似的代码结构。4.3 API 风格差异PyTorch 的接口更接近 Python 习惯nn.Module定义模型torch.optim管理优化器torch.utils.data.DataLoader加载数据。模型定义基本就是一个__init__加一个forward非常好理解。TensorFlow 分成两条路线底层tf.Module和tf.GradientTape更接近 PyTorch 的写法适合自定义训练逻辑高层tf.keras提供了Sequential、Model、compile、fit这类接口适合快速搭建标准模型。实际项目里大多数人会直接使用 Keras 接口因为它最短的代码路径能把训练的复杂度降低一个量级。5. 项目实战手写数字分类下面我们用同一份 MNIST 分类任务分别用 PyTorch 和 TensorFlow 实现。这个任务足够简单可以让你把注意力全部放在框架本身的写法上。5.1 数据准备思路MNIST 是 28×28 的灰度图共 10 个类别。两个框架都自带 MNIST 的下载与加载接口。PyTorch 需要通过torchvision.datasets.MNIST下载数据然后用DataLoader生成批次import torch from torch.utils.data import DataLoader from torchvision import datasets, transforms transform transforms.Compose([ transforms.ToTensor(), transforms.Normalize((0.5,), (0.5,)) ]) train_dataset datasets.MNIST( root./data, trainTrue, transformtransform, downloadTrue ) train_loader DataLoader(train_dataset, batch_size64, shuffleTrue) print(f训练集大小: {len(train_dataset)}) print(f每一批数据: {next(iter(train_loader))[0].shape})TensorFlow 使用tf.keras.datasets.mnist并且可以用tf.data构建高效的输入管道import tensorflow as tf (x_train, y_train), (x_test, y_test) tf.keras.datasets.mnist.load_data() x_train x_train.astype(float32) / 255.0 x_test x_test.astype(float32) / 255.0 train_dataset tf.data.Dataset.from_tensor_slices((x_train, y_train)) train_dataset train_dataset.batch(64).shuffle(10000) for images, labels in train_dataset.take(1): print(images.shape)这里有一个细节值得说PyTorch 的 DataLoader 已经帮你处理了 shuffle、batch、多进程加载TensorFlow 的tf.data则更强调构建一个可复用的数据流管道对流式数据和大规模数据的控制力更强。5.2 PyTorch 模型定义与训练定义模型时把网络结构写在__init__里前向传播写在forward里import torch.nn as nn import torch.nn.functional as F import torch.optim as optim class SimpleCNN(nn.Module): def __init__(self): super().__init__() self.conv1 nn.Conv2d(1, 32, kernel_size3, padding1) self.conv2 nn.Conv2d(32, 64, kernel_size3, padding1) self.pool nn.MaxPool2d(2, 2) self.fc1 nn.Linear(64 * 7 * 7, 128) self.fc2 nn.Linear(128, 10) self.dropout nn.Dropout(0.25) def forward(self, x): x self.pool(F.relu(self.conv1(x))) x self.pool(F.relu(self.conv2(x))) x x.view(x.size(0), -1) x F.relu(self.fc1(x)) x self.dropout(x) return self.fc2(x) model SimpleCNN() optimizer optim.Adam(model.parameters(), lr0.001) criterion nn.CrossEntropyLoss()训练循环的核心结构def train_one_epoch(model, loader, optimizer, criterion): model.train() total_loss 0.0 correct 0 total 0 for images, labels in loader: optimizer.zero_grad() outputs model(images) loss criterion(outputs, labels) loss.backward() optimizer.step() total_loss loss.item() * images.size(0) _, predicted torch.max(outputs, 1) total labels.size(0) correct (predicted labels).sum().item() avg_loss total_loss / total acc correct / total return avg_loss, acc # 跑一个 epoch 测试 loss, acc train_one_epoch(model, train_loader, optimizer, criterion) print(fEpoch 1 - Loss: {loss:.4f}, Acc: {acc:.4f})注意optimizer.zero_grad()必须在每次反向传播前调用否则梯度会累积。这是 PyTorch 容易踩的坑。5.3 TensorFlow 模型定义与训练TensorFlow 的高层写法直接用 Kerasmodel tf.keras.Sequential([ tf.keras.layers.Conv2D(32, (3, 3), activationrelu, paddingsame, input_shape(28, 28, 1)), tf.keras.layers.MaxPooling2D((2, 2)), tf.keras.layers.Conv2D(64, (3, 3), activationrelu, paddingsame), tf.keras.layers.MaxPooling2D((2, 2)), tf.keras.layers.Flatten(), tf.keras.layers.Dense(128, activationrelu), tf.keras.layers.Dropout(0.25), tf.keras.layers.Dense(10, activationsoftmax) ]) model.compile( optimizeradam, losssparse_categorical_crossentropy, metrics[accuracy] )因为 MNIST 的 label 是整数这里用sparse_categorical_crossentropy如果 label 是 one-hot就用categorical_crossentropy。训练只需要一行fithistory model.fit( train_dataset, epochs5, validation_split0.2 )如果想用自定义训练循环需要切换到 GradientTape 模式这个写法在工程上并不常见更像研究代码。实际部署与常规项目里model.fit已经足够用了。5.4 两种写法的效率对比从开发效率上看TensorFlow Keras 的代码量更少。PyTorch 需要自己写训练循环但换来的是对每一行代码的控制权。在做模型结构创新、需要自定义 loss 和梯度更新逻辑时PyTorch 这种“全部展开”的方式会更顺手。在标准任务、业务系统、快速落地场景里TensorFlow Keras 的抽象层级明显更省事。6. 模型评估与可视化两个框架都支持 TensorBoard 和自动记录指标用法会略有差异。PyTorch 需要额外安装torch.utils.tensorboard然后在训练循环里手动写add_scalarfrom torch.utils.tensorboard import SummaryWriter writer SummaryWriter(runs/mnist_experiment) # 在训练循环里记录 writer.add_scalar(Loss/train, loss, epoch) writer.add_scalar(Accuracy/train, acc, epoch) writer.close()TensorFlow 的 Keras 模型本身就能通过TensorBoard回调自动记录指标from tensorflow.keras.callbacks import TensorBoard tensorboard_callback TensorBoard(log_dir./logs) model.fit( train_dataset, epochs5, callbacks[tensorboard_callback] )启动 TensorBoard 的方式两边都是一样的tensorboard --logdir ./logs从项目工程化角度看TensorFlow 与 TensorBoard 的集成是原生的Keras 模型训练时不需要额外写记录代码。PyTorch 需要你手动决定记录哪些指标方式灵活但也要多一些工作量。7. 模型保存、导出与部署现在很多简历里都会写“模型部署经验”但真正跑通过部署链路的候选人比例并不高。这里把两个框架的常用导出方式分别整理一遍。7.1 PyTorch 模型保存PyTorch 最常用的保存方式是保存整个模型结构加权重torch.save(model.state_dict(), model_weights.pth)加载时需要先创建同结构模型再加载权重model SimpleCNN() model.load_state_dict(torch.load(model_weights.pth)) model.eval()如果要部署一般要导出成 TorchScript 或 ONNXdummy_input torch.randn(1, 1, 28, 28) model.eval() torch.onnx.export( model, dummy_input, mnist_cnn.onnx, input_names[input], output_names[output], dynamic_axes{input: {0: batch_size}, output: {0: batch_size}} )ONNX 模型可以交给 ONNX Runtime、TensorRT 等推理引擎跨平台能力比较强。7.2 TensorFlow 模型保存TensorFlow 常用 SavedModel 格式Keras 模型直接保存即可model.save(saved_model/mnist_model)加载时使用loaded_model tf.keras.models.load_model(saved_model/mnist_model)如果部署到服务器可以把 SavedModel 交给 TensorFlow Serving 或者转换为 TFLite 部署到移动端converter tf.lite.TFLiteConverter.from_keras_model(model) tflite_model converter.convert() with open(model.tflite, wb) as f: f.write(tflite_model)在部署生态的完整度上TensorFlow 的链路是更成熟的特别是服务端标准化部署场景。PyTorch 最近几年在这方面追赶很快但整体上还是 TensorFlow 的工业落地案例更多。8. 资源占用与性能观察框架选型还有一个很关键的维度运行时的资源占用。这个没有绝对结论和你用的模型大小、显存版本、数据管道效率都有关系但有一些通用观察方法可以分享。8.1 显存占用观察在 PyTorch 中可以用下面的代码在训练时打印当前显存占用import torch print(torch.cuda.memory_allocated() / 1024 ** 2, MB allocated) print(torch.cuda.memory_reserved() / 1024 ** 2, MB reserved)在 TensorFlow 中显存默认是预分配的容易出现“刚启动就占了很多显存”的现象。可以在配置中改为按需增长import tensorflow as tf gpus tf.config.experimental.list_physical_devices(GPU) if gpus: try: tf.config.experimental.set_memory_growth(gpus[0], True) except RuntimeError as e: print(e)对于调试和做对比测试建议两个框架都按这种方式设置否则不好观察真正的显存占用曲线。8.2 CPU 推理与 GPU 推理差异CPU 推理在两种框架下都可以运行但速度差异会很大尤其对医学影像、高清视频这类大分辨率输入CPU 推理耗时可能是 GPU 的十倍以上。做性能对比时最好控制变量同一数据集、同一 batch size、同一模型结构只切换设备。PyTorch 切换设备device torch.device(cuda if torch.cuda.is_available() else cpu) model model.to(device)TensorFlow 设置设备with tf.device(/GPU:0): outputs model(images)如果同一数据集在两个框架下的推理耗时差异很大先检查数据预处理是否一致比如归一化方式、图像尺寸、batch 大小是否相同不要第一时间归因于框架性能。8.3 降低显存占用的通用思路无论是哪个框架降低显存占用的常用手段都差不多降低 batch size这在训练时是效果最明显的。使用混合精度训练PyTorch 自带torch.cuda.ampTensorFlow 有tf.keras.mixed_precision。尽量使用更小的图像输入尺寸。减少中间张量缓存比如 PyTorch 使用torch.no_grad()进行推理TensorFlow 使用tf.GradientTape时仅在训练阶段开启。提高模型并行度把大模型分到多卡。这些方法在两种框架里都能直接落地具体效果需要在本机跑一次实测不能只依赖网上的“标准答案”。9. 常见问题与排查方法两个框架放在一起用最容易出现的问题集中在环境冲突、CUDA 不可用、模型保存加载失败这几类。问题现象可能原因排查方式解决方案安装 PyTorch 后import torch报错CUDA 版本不匹配或包损坏检查torch.__version__、torch.cuda.is_available()使用官方命令重新安装对应 CUDA 版本的 torchTensorFlow 检测不到 GPUCUDA/cuDNN 版本不匹配tf.config.list_physical_devices(GPU)输出为空查看官方版本匹配表更换 CUDA 或 TensorFlow 版本两个框架共存时 import 冲突protobuf、absl-py 等依赖版本冲突pip list查看依赖版本使用不同虚拟环境隔离安装PyTorch 训练时 loss 不下降学习率过大或过小打印前几个 batch 的 loss 和梯度调整学习率检查数据归一化TensorFlowmodel.fit报 shape 错误输入尺寸或 channel 数与模型定义不一致打印训练集每个张量的shape修正输入 shape 或增加tf.reshapePyTorch 加载权重报 size mismatch模型结构与保存时不一致打印保存模型和当前模型的参数名加载前先打印state_dict()的 key 数量TensorFlow Serving 启动失败SavedModel 路径不对或 TensorFlow 版本不一致检查 abspath 和模型 signature重新导出模型确保 Serving 与训练环境版本兼容还有一种常见情况PyTorch 2.6 及更高版本在加载默认不安全的 pickle 格式时会提示weights_only参数变化。从 2.6 开始torch.load的weights_only默认被修改了如果直接加载旧代码保存的完整模型对象会看到相关警告或错误。处理方案是如果你确定模型文件来自可信来源可以显式传weights_onlyFalse更稳妥的做法是保存时直接使用state_dict()而非整个模型对象。10. 简历项目改造建议把上面的对比和实战内容转成简历竞争力不能只写“熟悉 PyTorch 和 TensorFlow”。建议按下面的层级去组织项目描述。第一层框架基础应用。写清楚你用某个框架完成了哪个任务、数据集规模、模型结构、训练指标。这一层只证明你会跑通标准流程。第二层工程能力体现。写清楚你如何管理数据管道、如何做训练可视化、如何处理显存不足、如何导出模型用于部署。这一层证明你不只会跑代码还能解决工程问题。第三层架构理解体现。在面试或简历项目中突出你对动态图和静态图的理解差异说明你为什么在某个任务中选择对应框架。这一层证明你不是只会调 API而是能基于场景做技术选型。举例来说一个较有竞争力的项目描述可以写成基于 PyTorch 复现轻量化 CNN 模型在 MNIST 数据集上实现 99.2% 测试准确率通过 DataLoader 多进程加载、混合精度训练将单 epoch 时间缩短约 30%将模型导出为 ONNX使用 ONNX Runtime 完成 CPU 推理单张图片推理耗时约 5ms。这种写法比“使用深度学习完成图像分类”要有说服力得多因为每一项都能被追问也都体现了一个具体的技术决策。11. 最佳实践与踩坑建议最后给正在动手跑这套对比项目的你几个实际建议这些也是很多初学者容易忽略的细节。第一个建议保持环境纯净。PyTorch 和 TensorFlow 不要长期放在同一个环境里使用除非你非常清楚它们在依赖上的冲突点。建议建两个虚拟环境例如env_torch和env_tf分别安装、分别测试。这样在任何一边出问题时都不会影响另一边。第二个建议数据管道不要随意混合使用。PyTorch 的 DataLoader 和 TensorFlow 的 tf.data 设计思路差别很大不要在一个框架里强行套用另一个框架的数据加载习惯。你可以先跑通自带 demo再去改造自己的数据这样能省很多排查时间。第三个建议训练时先小规模验证。第一次跑模型不要直接上完整 epoch先取一小部分数据跑几个 batch确认 loss 在下降、梯度在更新。全量训练前发现问题排查成本最低。第四个建议模型导出的兼容性要注意。PyTorch 导出 ONNX 时模型的动态维度设置、自定义算子的支持情况都可能影响后续推理需要单独测试。TensorFlow 的 SavedModel 在 Serving 和 TFLite 两种场景下的签名结构也可能不同。部署和训练尽量用同一种稳定版本。第五个建议把合规和安全边界放在前面。如果你要用开源模型、开源数据集比如本篇文章用到的 MNIST需要遵守对应数据集的许可协议。如果项目涉及人脸、声音、个人隐私数据就必须明确告知用户数据的采集、存储、使用范围获得合法授权后才能测试和部署。在简历或开源项目中展示成果时也要注意不要公开包含敏感信息的样本。12. 总结与下一步方向这篇文章从核心架构到项目实战带你完整过了一遍 PyTorch 与 TensorFlow 在深度学习项目里的真实分工。比起纠结“哪个框架更好”你更应该关注的是遇到一个任务时能不能快速判断出哪种框架的生态和工具链更适合落地。能动手能选型能讲清楚为什么这才是简历上真正能体现的竞争力。下一步你可以做三件事第一把文中的 MNIST 分类项目分别在两个框架下跑通记录下训练时间、显存占用和体验差异形成自己的实测笔记。第二试着把同一份数据或同一个模型结构用 ONNX 桥接体验一次跨框架部署这会让你对模型标准化格式有更直观的理解。第三选一个和你目标岗位相关的真实数据集比如推荐场景、文本分类、目标检测用其中一个框架完成全流程并把项目整理成可展示的 GitHub 仓库或者技术文章。如果你在配置环境或者运行代码时遇到了问题优先检查版本匹配关系和依赖冲突这两个问题是深度学习中最高频的“隐形杀手”。