曾经火火爆全网的Tensorflow深度学习框架现在被弃之，原本先入为主的TensorFlow缘何被PyTorch后来居上？在人工智能机器深度学习神经网络领域，谷歌团队已经历了第一代专有机器学习系统DistBelief（TensorFlow的前身）的部署，所以当TensorFlow进入工业领域之时，优势非常大。但是后来的市场变化，PyTorch在开发者社区大受欢迎，以至于其在学术研究领域全面胜出，而TensorFlow的优势也正逐渐为之蚕食。
那么，Tensorflow会被代替吗？
一、Tensorflow的安装
在安装TensorFlow之前，可以先安装一些有用的Python软件包。这些包将在下一章中讲解，它们可以使开发环境使用起来更加简单。
通过以下命令开始安装一些有关数据操作、分析和可视化的库。
sudo apt-get update && apt-get install -y python-numpy python-scipy python-nose python-h5py python-skimage
python-matplotlib python-pandas python-sklearn python-sympy
sudo apt-get clean && sudo apt-get autoremove
sudo rm -rf /var/lib/apt/lists/*也可以安装更多有用的工具库，比如虚拟环境（virtual environment）、Jupyter、Notebook等。
sudo apt-get update
sudo apt-get install git python-dev python3-dev python-numpy python3-numpy build-essential python-pip python3-pip python-virtualenv swig python-wheel libcurl3-dev
sudo apt-get install -y libfreetype6-dev libpng12-dev
pip3 install -U matplotlibipython[all] jupyter pandas scikit-image最后，通过使用以下命令安装TensorFlow的GPU版。
pip3 install --upgrade tensorflow-gpu接下来，使用Python来验证TensorFlow是否安装成功。
python3
>>> import tensorflow as tf
>>> a = tf.constant(5)
>>> b = tf.constant(6)
>>> sess = tf.Session()
>>> sess.run(a+b)
// this should print bunch of messages showing device status etc. // If everything goes well, you should see gpu listed in device
>>> sess.close()如果安装成功将会在终端中看到以下内容。
二、了解两大框架
人工智能框架TensorFlow的初始版本源于2015年，由谷歌大脑团队开发并发布在Apache 2.0开源许可证下。TensorFlow是谷歌大脑的第二代机器学习工具，谷歌旗下部署的商业应用包括搜索、图片、地图、广告、翻译等等都与此有关。一个显著的例子是，近年来深度学习神经网络的发展，各国语言文字翻译（机翻）准确度的提高，TensorFlow在其中起到了重要作用。
PyTorch是由科技公司Meta人工智能团队开发的开源Python机器学习工具，它的出现比TensorFlow晚了近一年，但它兼收并蓄地改进了当时主流的包括其他几个AI框架Caffe、Torch，由此开发的基于自动微分，且使用动态计算图的新一代AI框架。PyTorch起步之初就迎合了大量开发者的需求与习惯，逐渐成长为与TensorFlow并列的最受欢迎的两大AI框架之一。
三、学习Tensorflow
学习Tensorflow，我这有一份最全面的《人工智能自学视频》资料包，足足有60G，分享给你!
整理了很久，非常全面。包括一些人工智能基础入门视频+AI常用框架实战视频、图像识别、OpenCV、NLQ、YOLO、机器学习、Pytorch、Tensorflow、计算机视觉、深度学习与神经网络等视频、课件源码、国内外知名精华资源、AI热门论文、行业报告等。
推荐一个宝藏公众号：AI技术星球，回复关键词“289”即可获得一整份全套的AI学习路线。
小伙伴也可以私信我分享，希望可以帮助到有需要的人。
AI框架之争是技术文明发展进程中的必经之路。随着人工智能产研基数的不断扩大，该领域技术演化与形态碰撞将持续催生优胜劣汰、与时俱进的生产力工具。