深度学习入门最先遇到的一个岔路口往往不是激活函数也不是反向传播而是“先学 PyTorch 还是 TensorFlow”。翻了几天帖子看到有人说 PyTorch 写起来顺手也有人说 TensorFlow 在工业部署里更成熟更多人直接甩给你一套“公认讲得最好”的视频教程让你别纠结。其实选框架本身没那么玄乎关键是你搞清楚两者各解决什么问题、安装门槛差在哪、写核心模型的体验差多少然后挑一个先跑通剩下的事都是后话。这篇文章不打算替你拉踩而是把两个框架从环境安装、代码风格、学习曲线、工程落地四个维度拆开看。文章最后会直接给结论先学哪一个、怎么验证自己安装成功、用同一个任务在两个框架里各写一遍是什么体验、遇到 CUDA 和显存问题怎么排查。1. 核心能力速览PyTorch 与 TensorFlow 横向对比先把结论放在前面。对于 2024 年到 2025 年这个时间点如果你还在这两个框架里犹豫下面这张表基本能回答你 80% 的问题。对比维度PyTorchTensorFlow初始定位研究、原型验证、学术实验工业部署、大规模分布式训练、生产管线核心 API 风格动态图写起来接近 NumPy 原生思维默认静态图Keras 高层 API 偏封装2.x 后也支持动态执行上手难度偏低调试直观报错信息相对容易定位中高早期版本坑多2.x 后 Keras 让上手明显变简单学习资料丰富度学术论文配套代码、开源模型库、教程数量极多官方文档细致工业案例多但新项目占比在下降部署能力TorchScript、TorchServe配合 ONNX 转换可部署TF Serving、TFLite、TensorFlow.js端侧和服务器生态更完整推荐入门方式先 Python PyTorch直接写训练循环先 Keras Sequential了解模型搭建再深入自定义训练主要使用人群高校、科研机构、Kaggle 参赛者、AIGC 研究者搜索推荐系统、传统工业风控、端侧移动端团队当前新论文/AIGC 项目支持度高绝大多数开源模型首选相对少新模型迁移到 TensorFlow 需要自己写适配安装复杂度pip 一条命令即可GPU 版本需要匹配 CUDApip 安装同样简单但 GPU 环境版本匹配更敏感适合场景学习深度学习原理、复现论文、快速验证想法把训练好的模型变成正式服务或部署到移动端/嵌入式设备从这张表能明显看出来如果你是初学者或者要做 AI 方向的研究、比赛、AIGC 类项目PyTorch 是更顺的入口。如果你的目标是进入搜索引擎、推荐系统、移动端推理这些偏工程的方向TensorFlow 的部署生态依然值得了解但学习路径可以往后放。2. 两大框架的定位差异为什么初学者总是纠结很多人纠结“先学哪个”其实真正的顾虑是“怕学错了方向浪费几个月”。要解决这个顾虑需要先理解 PyTorch 和 TensorFlow 为什么会被放在一起比较。PyTorch 的核心特点是“动态计算图”。你可以把网络前向传播的每一步都看作普通的 Python 代码中间可以加print可以打断可以用if控制流调试体验和写普通程序几乎一样。这对初学者特别友好因为报错信息能直接指向某个 tensor 操作而不是一个编译后的静态图错误。绝大部分新论文、Hugging Face 上的模型、Stable Diffusion 这类 AIGC 项目都是 PyTorch 写出来的所以你想跑通一个新模型PyTorch 通常是最小阻力路径。TensorFlow 的历史包袱相对重一点。1.x 时代要先用tf.Session()包一层再运行很多人第一步就卡住了。2.x 之后 TensorFlow 把 Keras 作为默认高层 API写一个 Sequential 模型确实简单了不少但到了自定义训练循环、自定义 Layer、处理动态 shape 的时候仍然能感受到静态图思维在某些角落留下的影子。优点是它的生产部署体系确实完善TF Serving 可以直接托起训练好的模型TFLite 可以转成移动端模型TensorFlow.js 可以在浏览器里跑推理。这些能力在工业界有非常成熟的应用路径。所以这不是“谁比谁强”的问题而是“学习阶段和生产阶段需要不同的工具”。学习阶段最重要的是快速反馈、调试直观、生态资源多生产阶段最重要的是稳定部署、性能优化、端侧适配。PyTorch 在第一个阶段优势明显TensorFlow 在第二个阶段经验更厚。3. 先学哪个按场景直接给结论如果你现在还在犹豫不妨直接按下面三种情况对号入座。情况一学生、转行、科研、想先入个门先学 PyTorch不用犹豫。原因是学习曲线平缓社区教程质量高遇到问题更容易搜到解决方式。绝大多数深度学习公开课、论文复现、Kaggle 案例默认使用 PyTorch你跟一套教程走下来从数据加载、模型定义、训练循环到推理保存整个过程是连贯的。学完 PyTorch 再看 TensorFlow因为已经理解了“训练一个模型到底在做什么”反而更容易理解 Keras 那层封装在偷懒帮你干什么。情况二目标明确以后想进工业界做推荐、搜索、广告系统可以把 TensorFlow 作为第二框架来学前提是你已经能用 PyTorch 写熟一个完整训练流程。推荐、搜索这类业务场景对模型部署、特征管线、AB 实验要求很高TensorFlow 在这条链路里积累了大量工程实践。但这个领域的“深”不是框架 API 本身而是数据处理、特征工程、模型服务化框架只是其中一环。直接一上来啃 TensorFlow 的工程体系容易被各种概念淹没反而不利于建立深度学习的整体直觉。情况三只想快速跑通一个开源项目不想深入造轮子先看目标项目是用什么框架写的。目前 Hugging Face 上的 Transformers、扩散模型、多模态模型绝大多数是 PyTorch 实现。如果你的目标是复现某个模型直接顺着项目要求装 PyTorch 和对应依赖比反过来转成 TensorFlow 省事得多。结论可以再压成一句学习顺序建议 PyTorch 优先TensorFlow 按需补。深度学习先学哪个框架答案不是一个非黑即白的二选一而是“先用更顺手的那个建立完整认知再根据就业或项目需要补充另一个”。4. 本地深度学习环境准备Python、CUDA 与包管理不管最后选哪个框架环境准备的原则是一样的先搭好 Python 环境再装深度学习框架最后拿 GPU 跑一个小模型验证。 这里先给出一套通用的检查清单再分别写 PyTorch 和 TensorFlow 的安装方式。4.1 安装检查清单检查项建议Python 版本3.10 或 3.11 兼容性最好不建议直接用系统自带 Python包管理工具推荐 Miniconda 或 Anaconda新建独立环境避免和系统依赖冲突NVIDIA 显卡驱动先用nvidia-smi查看驱动版本确认能够支持目标 CUDACUDA 版本不一定需要单独装完整 CUDA ToolkitPyTorch/TensorFlow 自带的 CUDA 依赖通常够用磁盘空间两个框架各需要 3 到 6 GB含依赖AIGC 模型另算虚拟环境建议 PyTorch 和 TensorFlow 分开建环境不要混装4.2 创建 Python 虚拟环境以 Miniconda 为例打开终端执行# 创建深度学习环境Python 版本设置为 3.11 conda create -n dl python3.11 # 激活环境 conda activate dl # 后续安装命令都在这个环境里执行如果你更习惯 venv 而不是 conda也可以python -m venv dl_env # Windows dl_env\Scripts\activate # Linux / macOS source dl_env/bin/activate环境独立的好处是PyTorch 依赖的torchvision版本、TensorFlow 依赖的protobuf版本不会互相打架。初学者最常见的问题就是“装完 TensorFlow 再装 PyTorch结果某个包被降级了”分开环境能直接避免这一层麻烦。4.3 查看显卡与 CUDA 支持情况训练之前先确认显卡驱动能正常工作nvidia-smi正常情况下会输出显卡型号、驱动版本、当前显存占用。右上角能看到 CUDA Version比如CUDA Version: 12.4。这里显示的 CUDA 版本是当前驱动支持的最高版本不要求必须和框架自带版本完全一致但框架要求的 CUDA 不要超过它。如果你在 Ubuntu 下装了驱动但nvidia-smi没反应常见原因是驱动没真正装好或者内核版本不一致需要回头检查驱动安装日志而不是直接去装框架。5. PyTorch 安装与开机验证PyTorch 的安装命令在官网首页有实时生成器选好操作系统和 CUDA 版本就能复制对应命令。这里给一个比较通用的思路实际执行时要按自己的 CUDA 版本选择。5.1 CPU 版本安装适合先跑通逻辑如果没有 NVIDIA 显卡或者暂时不想配 GPU可以先装 CPU 版pip install torch torchvision torchaudioCPU 版本用来跑 MNIST 这类小规模模型完全够用但 AIGC 图像生成这种大模型基本跑不动。5.2 GPU 版本安装GPU 版本的安装核心是匹配 CUDA。以 CUDA 12.1 为例# 官方示例实际安装请以 PyTorch 官网生成的命令为准 pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121如果你的 CUDA 版本是 11.8则把cu121换成cu118。更稳妥的做法是进入 PyTorch 官网首页选择你的操作系统、安装方式、CUDA 版本直接复制页面生成的命令。5.3 验证 PyTorch 是否安装成功安装完成后在 Python 里执行import torch # 查看版本号 print(torch.__version__) # 查看 CUDA 是否可用 print(torch.cuda.is_available()) # 如果 GPU 可用打印显卡名称 if torch.cuda.is_available(): print(torch.cuda.get_device_name(0)) else: print(当前环境未检测到可用 GPU)如果第一行能正常输出版本号说明安装成功。如果torch.cuda.is_available()输出True说明 PyTorch 已经能调用 GPU。如果输出False多半是 CUDA 版本不匹配或者显卡驱动没有正常工作不要继续往后写模型先解决环境问题。再做一个最简单的 GPU 计算测试import torch x torch.rand(1000, 1000) y torch.rand(1000, 1000) # CPU 计算 import time start time.time() z_cpu x y print(CPU 计算耗时:, time.time() - start) # GPU 计算 if torch.cuda.is_available(): x_gpu x.cuda() y_gpu y.cuda() start time.time() z_gpu x_gpu y_gpu print(GPU 计算耗时:, time.time() - start)这一步能明显看到显存开始被占用数值计算也确实在 GPU 上执行。这里只需要记住一点PyTorch 的.cuda()或.to(cuda)就是把 tensor 从内存搬到显存的过程搬过去之后计算才会走 GPU。6. TensorFlow 安装与开机验证TensorFlow 的安装同样优先考虑 GPU 版本匹配。从 TensorFlow 2.x 开始CPU 和 GPU 版本的安装包已经统一成一个tensorflow包不需要像 1.x 那样区分tensorflow-gpu和tensorflow。6.1 CPU 版本安装pip install tensorflow如果只需要体验 API 和训练流程CPU 版本足够跑 MNIST 和简单的全连接网络。6.2 GPU 版本安装GPU 版本的安装需要额外注意 TensorFlow 对 CUDA 和 cuDNN 的版本要求。官方文档通常会给出对应关系比如某个 TensorFlow 版本要求 CUDA 12.x、cuDNN 8.x。安装时建议直接装带 GPU 支持的包# 通用安装命令具体索引地址以 TensorFlow 官方说明为准 pip install tensorflow[and-cuda]另一种方式是用官方 Docker 镜像把 CUDA、cuDNN、TensorFlow 全部打包好适合不想折腾宿主机环境的情况# 拉取官方 TensorFlow GPU 镜像仅示例 docker pull tensorflow/tensorflow:latest-gpu docker run --gpus all -it tensorflow/tensorflow:latest-gpu bash6.3 验证 TensorFlow 是否安装成功在 Python 里执行import tensorflow as tf # 查看版本号 print(tf.__version__) # 查看设备信息 print(tf.config.list_physical_devices(GPU))如果list_physical_devices(GPU)返回一个非空列表说明 TensorFlow 已经能看到 GPU。如果返回空列表先用tf.config.list_physical_devices()查看所有设备再检查 CUDA、cuDNN 版本是否匹配。再做一个简单的 GPU 计算测试import tensorflow as tf with tf.device(/GPU:0): a tf.random.normal([1000, 1000]) b tf.random.normal([1000, 1000]) c tf.matmul(a, b) print(c.shape)能正常输出(1000, 1000)说明 GPU 计算路径是通的。这里有一个常见误区TensorFlow 安装成功只代表 Python 包能导入不代表 GPU 可用。tensorflow包在导入时往往不会立刻报 GPU 错误而是静默回退到 CPU。所以一定不要跳过 GPU 设备检查这一步很多“为什么训练这么慢”的问题本质上是框架根本没在用 GPU。7. 用同一个任务对比两个框架MNIST 手写数字识别环境搭好之后最有效的对比方式是用同一个任务在两个框架里各写一遍。这里用最经典的 MNIST 手写数字识别作为例子任务逻辑完全一样但代码可以从两个维度看出差异。7.1 PyTorch 实现手写训练循环PyTorch 的风格是“把控制权交给你”。模型定义、数据加载、训练循环都要自己组织好处是每一步都知道发生了什么import torch import torch.nn as nn import torch.optim as optim from torchvision import datasets, transforms from torch.utils.data import DataLoader # 1. 数据加载 transform transforms.Compose([ transforms.ToTensor(), transforms.Normalize((0.1307,), (0.3081,)) ]) train_dataset datasets.MNIST(root./data, trainTrue, downloadTrue, transformtransform) test_dataset datasets.MNIST(root./data, trainFalse, downloadTrue, transformtransform) train_loader DataLoader(train_dataset, batch_size64, shuffleTrue) test_loader DataLoader(test_dataset, batch_size1000, shuffleFalse) # 2. 模型定义 class MLP(nn.Module): def __init__(self): super().__init__() self.fc1 nn.Linear(28 * 28, 128) self.fc2 nn.Linear(128, 10) self.relu nn.ReLU() def forward(self, x): x x.view(x.size(0), -1) x self.relu(self.fc1(x)) return self.fc2(x) model MLP() device torch.device(cuda if torch.cuda.is_available() else cpu) model model.to(device) # 3. 损失函数与优化器 criterion nn.CrossEntropyLoss() optimizer optim.Adam(model.parameters(), lr0.001) # 4. 训练循环 model.train() for epoch in range(3): total_loss 0.0 for images, labels in train_loader: images, labels images.to(device), labels.to(device) optimizer.zero_grad() outputs model(images) loss criterion(outputs, labels) loss.backward() optimizer.step() total_loss loss.item() print(fEpoch {epoch 1}, Loss: {total_loss / len(train_loader):.4f})从这段代码能看到 PyTorch 的“显式”特征optimizer.zero_grad()要手动调用loss.backward()手动触发反向传播optimizer.step()手动更新参数。刚开始可能觉得麻烦但时间长了会明白这种显式控制正是方便调试的地方——你可以在backward()之后、step()之前插入任何自定义逻辑。7.2 TensorFlowKeras实现高层封装TensorFlow 2.x 推荐用 Keras API代码会简洁很多import tensorflow as tf from tensorflow.keras import layers, models # 1. 数据加载 (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 # 2. 模型定义Sequential 风格 model models.Sequential([ layers.Flatten(input_shape(28, 28)), layers.Dense(128, activationrelu), layers.Dense(10, activationsoftmax) ]) # 3. 编译指定优化器、损失函数、评估指标 model.compile( optimizeradam, losssparse_categorical_crossentropy, metrics[accuracy] ) # 4. 训练一行完成 model.fit(x_train, y_train, epochs3, batch_size64, validation_data(x_test, y_test))model.fit一行就把训练过程包完了Keras 高层 API 确实很适合快速搭模型。但代价是“黑盒感”更强如果你想知道某个 batch 里发生了什么事或者想自定义一个特殊的学习率策略默认的fit就不够灵活了需要切换到自定义训练循环。7.3 两者对比从学习角度看差异比较点PyTorch 体验TensorFlow Keras 体验数据加载DataLoader 迭代逻辑透明load_data()一行搞定适合快速上手模型定义类继承必须有forwardSequential 或 Functional API声明式训练循环手写 for 循环控制力强fit封装简洁但灵活度低调试可随时 print 中间 tensor高层 API 下调试信息偏少对初学者一开始稍繁琐但底层逻辑清晰一开始特别省事但理解可能停留在表面单看代码量TensorFlow 明显更短。但对“想弄懂深度学习原理”的人来说PyTorch 的显式训练循环其实更像一份教学材料你被迫写backward和step所以你会知道反向传播发生在什么时候、优化器更新发生在什么时候。这也是为什么大多数高校课程和论文复现选择 PyTorch 作为教学框架。8. 深度学习框架学习中的常见问题排查无论是 PyTorch 还是 TensorFlow初学者遇到的环境问题高度相似。这里汇总高频问题能解决 90% 的启动和训练踩坑。问题现象可能原因排查方式解决方案安装时报依赖冲突Python 版本过旧或包被其他环境覆盖pip list看冲突包新建虚拟环境重新安装torch.cuda.is_available()返回 FalseCUDA 版本不匹配或驱动未正常工作nvidia-smi检查驱动查看 PyTorch 对应 CUDA 版本按官网命令重装对应 CUDA 版本TensorFlow 训练极慢实际在 CPU 上跑GPU 未被调用tf.config.list_physical_devices(GPU)检查设备重装匹配 GPU 的版本检查 cuDNN显存不足CUDA out of memory输入 batch_size 过大或并行任务过多nvidia-smi查看显存占用调小batch_size降低分辨率或使用with torch.no_grad()启动后页面打不开WebUI 类端口被占用或服务未启动检查日志netstat -ano查端口更换端口或重启服务模型文件缺失下载中断或路径错误检查模型目录是否存在对应文件重新下载确认路径同一环境装了 PyTorch 又装 TensorFlow 后出问题依赖被互相覆盖pip check检测依赖冲突分环境安装以“CUDA out of memory”为例这个错误在训练 AIGC 模型时非常常见。假设显存是 8G模型本身占用 5G一个稍微大一点的中间 feature map 就可能把剩余显存吃满。解决思路不是换显卡而是先降参数把batch_size从 8 降到 4或者把图像分辨率调低。PyTorch 中还可以用torch.cuda.empty_cache()清理缓存但要注意这是释放未使用的缓存不是解决真正的显存溢出。9. 深度学习框架学习路线建议框架选定之后真正决定学习效率的是路线。第一步不建议直接去啃大模型或 AIGC。先用 PyTorch 或 TensorFlow 跑通 MNIST 这种小任务确认数据加载、模型定义、训练、验证四个环节都通了。第二步做一次“手工拆解”。即使你用的是 Keras 高层 API也要尝试把fit内部展开成手动训练循环哪怕不跑只是读代码也能帮你理解 epoch、batch、梯度更新之间的关系。第三步找一篇经典论文的官方实现来读比如 ResNet 或 Transformer 的源码。读的时候重点看数据是如何流进模型的而不是背 API 名称。第四步当你已经能独立写出一个完整训练脚本时再回过头看另一个框架。你会发现深度学习框架的底层逻辑高度相似无非是 tensor、自动求导、模型容器、优化器、数据加载这几样东西在不同命名空间下的变体。这时候再看 TensorFlow 的部署工具链或者 PyTorch 的 TorchServe就不会再有畏难情绪。学习资料方面与其跟着某个“完爆所有教程”的宣传走不如按自己的基础选一套主线课程再用官方文档做查询手册。学习过程中一定要亲手敲代码框架的 API 细节很多看得懂和写得出来完全是两回事。这里有一个非常实用的经验一开始不要追求“装最新版”特别是 CUDA。PyTorch 和 TensorFlow 对 CUDA 的版本要求都有滞后性装最新版 CUDA 反而可能找不到匹配的预编译包。更好的策略是先看框架官方支持哪些 CUDA 版本再按那个版本安装而不是先装完 CUDA 再逼框架去兼容。10. 总结与下一步回到开头的问题深度学习先学哪个框架答案是 PyTorch 优先TensorFlow 按需补。PyTorch 的显式训练循环、动态图调试体验和庞大的开源生态决定了它是入门深度学习阻力最小的路径。TensorFlow 在工业部署、移动端、搜索推荐等工程场景里依然有深厚积累它的 Keras 高层 API 也值得在第二阶段学习。真正重要的不是纠结框架名而是尽快跑通第一个模型建立“数据到模型到损失到更新”这条完整链路。安装阶段可以先验证这四件事Python 虚拟环境是否独立。nvidia-smi是否能正常显示显卡信息。PyTorch 和 TensorFlow 各自是否能检测到 GPU。两个框架是否都能跑通 MNIST 级别的训练任务。如果第一遍跑通之后没有报错恭喜你最劝退的阶段已经过去了。下一步可以尝试用 PyTorch 写一个简单的 CNN 模型并用torch.utils.tensorboard记录训练曲线这会让你更直观地感受“损失下降”是什么感觉。之后再考虑去 Hugging Face 上找一个预训练模型微调慢慢往真实应用场景靠。最后留一句实用判断标准不要用“框架能不能用”决定方向要用“我要做的项目适合哪个生态”来决定。学完一个框架再学另一个成本远比你想象的低。