很多人学深度学习第一次放弃并不是因为看不懂反向传播公式也不是因为数学基础太差而是卡在了第一步到底该选哪个框架。打开搜索引擎TensorFlow 和 PyTorch 的对比文章铺天盖地有人说前者工业界无敌有人说后者学术界统治还有人劝你两个都学。结果就是你花了三天时间纠结还没装上一个能用的环境。这篇文章想给你一个足够明确的判断2026 年了如果你是刚入门深度学习的小白优先选 PyTorch除非你有非常具体的工业部署或移动端场景才需要认真考虑 TensorFlow。这不是拍脑袋的结论。接下来我会从框架设计哲学、开发体验、部署生态、学习成本几个维度拆开讲清楚并带着你用两个框架分别跑通一个最小项目。你不需要有深度学习基础只要会打开终端、能执行 Python 代码就能跟下来。文章会分成几个部分先说清楚选框架到底在选什么再对比两个框架的核心差异然后给出适合新手的决策建议接着完成环境安装和两个可运行的项目示例最后补充常见坑和工程建议。部分内容会涉及版本相关细节如果没有特殊情况文章以 2025 年到 2026 年初常见的稳定版本为例具体版本号建议以你安装时的官方信息为准。1. 这篇文章真正要解决的问题很多初学者以为“选框架”只是选一个 API 风格偏好就像选 Vim 还是 VSCode 一样随便。但深度学习框架不是编辑器它是你未来几个月所有代码的地基。选错方向的代价不是“换个工具重新适应”而是你可能学到一半才发现自己花了大量时间理解的机制在其他框架里根本不是主流写法。这里真正容易踩坑的地方是新手分不清“框架差异”和“深度学习本质差异”。举个例子无论你用 TensorFlow 还是 PyTorch你都要理解张量、自动求导、损失函数、优化器、反向传播。这些概念是框架无关的属于深度学习本身。但框架的 API 风格、静态图和动态图的设计差异、部署工具链的成熟度这些才是框架层面的选择。所以这篇文章解决的不是“哪个框架更厉害”而是你现在的身份是什么学生、刚转行的工程师、还是准备做实际产品的人你未来一个阶段的目标是什么复现论文、找工作、搭建一个能上线的服务你的硬件和网络环境支持你多快跑通第一个模型判断清楚了这些选框架就是一个很自然的决定。2. TensorFlow 与 PyTorch 的核心差异设计哲学不一样2.1 一个先决问题什么是“计算图”在讲框架差异前必须先解释一个概念计算图。深度学习的核心操作是大量矩阵运算而这些运算之间存在依赖关系。比如你有一个输入 x经过线性层得到 y再经过激活函数得到 z最后计算损失 loss。这一连串操作如果画成图形节点是数据边是运算就构成了一张有向无环图这就是计算图。计算图的意义在于有了它框架才能自动做反向传播。因为每个节点都知道自己参与了什么运算梯度就可以沿着图反向流动。计算图有两大类静态图你先定义好整个图的结构然后再把数据“喂”进去执行。图在运行前就固定了。动态图你每执行一行代码图就实时建立。数据流向、分支逻辑都随运行时的 Python 代码走。这个差异就是 TensorFlow 和 PyTorch 过去最根本的分歧。2.2 TensorFlow 的设计从静态图走向“默认即时执行”TensorFlow 1.x 最著名的特点就是用tf.Session()跑静态图。你先把所有操作定义好最后再sess.run()。这种设计有利于大规模部署和性能优化但对初学者极其不友好调试时你甚至没法直接 print 中间变量得用tf.print体验非常别扭。为了改变这个局面TensorFlow 2.x 引入了 Eager Execution即时执行默认模式下可以像普通 Python 代码一样逐步执行并打印结果同时保留了tf.function这种“将 Python 函数转为图”的能力。再加上 Keras 成为官方高级 APITensorFlow 2.x 的入门体验已经比 1.x 好很多。但历史包袱依然存在。你搜索 TensorFlow 教程时会看到大量 1.x 时代的旧代码比如tf.compat.v1.Session()、tf.placeholder之类这些内容会严重干扰新手。TensorFlow 2.18 作为较新的版本进一步优化了 Keras 的交互体验和高性能推理支持但“旧代码误导”的问题仍然要警惕。2.3 PyTorch 的设计动态图让调试回归直觉PyTorch 的设计哲学可以概括为一句话让 Python 代码直接成为模型代码。你用 PyTorch 写神经网络看起来和写普通的 Python 类没有太大区别。你继承torch.nn.Module在__init__里定义层在forward里写前向传播逻辑。因为计算图是动态生成的你可以在中间任意打印张量形状可以写if判断可以用普通的for循环。调试体验和写普通 NumPy 代码几乎一样。这也是 PyTorch 在学术界快速崛起的原因。论文作者需要快速验证新想法调试效率太重要了。PyTorch 的 API 更贴近 Python 生态同时torchvision、torchaudio、torchtext这些工具库也大大降低了数据获取和处理的门槛。需要注意的是从 PyTorch 2.x 开始框架引入了torch.compile来加速训练同时依然保持 eager 模式。这意味着你不需要改变代码风格也能在需要时获得图模式的性能优势。这种“默认灵活可选加速”的思路是很多开发者转向它的原因之一。2.4 一张表看懂两个框架的差异对比维度PyTorchTensorFlow默认模式动态图eager即时执行 可选tf.function调试体验贴近 Python可直接 print2.x 后改善但仍存在旧资料干扰高级 APItorch.nn 自定义ModuleKeras 为主数据处理Dataset/DataLoader和 Python 习惯一致tf.data功能强大但概念较多学术论文复现绝大多数新论文首选仍有部分老模型是 1.x 代码工业部署通过 TorchScript / ONNX 导出TF Serving、TFLite 生态更成熟移动端 / 嵌入式需要额外转换TensorFlow Lite 更成熟社区风向2024-2026 趋势明显偏向 PyTorch存量项目多维护稳定适合新手程度高学习曲线平缓中等依赖正确的新版教程这张表格不是要否定 TensorFlow。它在特定场景下依然有不可替代的价值后续会展开说明但对大多数刚开始学的人来说PyTorch 的学习成本和上手体验都更友好。3. 2026 年了新手到底应该选谁3.1 核心判断默认选 PyTorch先给结论再说理由。如果你是一名学生或者准备转岗做算法工程师、数据科学家未来一段时间的主要任务是学懂深度学习原理、复现模型、做实验调参闭眼选 PyTorch。理由很直白第一论文复现的生态优势。现在顶会论文里PyTorch 实现占了绝对主流。你读到的模型、看到的开源代码大部分都是 PyTorch 写的。你用 PyTorch等于直接站在了最新研究的门槛上。第二调试效率决定学习效率。新手学深度学习一定会遇到张量维度对不上、梯度爆炸、loss 不降等问题。PyTorch 的动态图让你能在代码里直接定位问题这省下来的时间非常多。前期学习最忌讳“黑盒”而 PyTorch 把几乎一切都摆在明面上。第三社区内容正在倾斜。从 2024 年到 2026 年PyTorch 的搜索热度、教程数量、面试讨论占比都在持续上升。如果遇到一个问题你大概率能找到用 PyTorch 写的解决方案。3.2 TensorFlow 依然值得学的三种情况虽然默认推荐 PyTorch但有几个场景下 TensorFlow 依然是更合理的选择。一是你要做移动端或嵌入式部署。TensorFlow Lite 在 Android、iOS、嵌入式设备上的支持非常成熟。如果你未来的业务是端侧推理直接学 TensorFlow 会更顺。二是你所在团队存量系统已经用 TensorFlow 很久了。加入这类团队优先跟随团队技术栈而不是个人偏好。毕竟工作目标是交付不是学习。三是你主要做大规模工业级推理服务且已有成熟的 TF Serving / TensorFlow 生态。虽然 PyTorch 也在快速补齐部署能力但 TensorFlow 在生产运维的工具链、监控、自动化方面依然有优势。3.3 一个不算建议的建议不要同时学初学者最容易犯的一个错误是担心“押错宝”于是两个框架同时学。结果往往是PyTorch 还没学会TensorFlow 也只会装环境两个都没学扎实。深度学习入门阶段最大的成本是注意力。框架只是载体底层原理才是核心。选定一个框架学到能独立完成一个项目再去看另一个框架会发现迁移成本远比你想象中低——因为你真正理解的是模型、数据流、训练循环而不是某个 API 的名字。4. 环境搭建把两个框架装进你的电脑选择框架之前先让环境跑起来。这一节我会同时给出 PyTorch 和 TensorFlow 的安装方式。4.1 先装 Python无论选哪个框架你都需要 Python 环境。推荐 Python 3.10 或 3.11目前常见深度学习框架对这两个版本支持最稳。可以到 Python 官网下载安装包安装时记得勾选“Add Python to PATH”。然后创建一个虚拟环境避免多个项目依赖打架。这里以conda为例如果你没有 conda也可以直接用 Python 自带的venv。# 创建名为 dl 的虚拟环境指定 Python 3.10 conda create -n dl python3.10 -y # 激活环境 conda activate dl4.2 安装 PyTorchPyTorch 安装最理想的方式是去 PyTorch 官网选择你的系统、包管理器和 CUDA 版本然后复制对应的命令。如果只是入门测试CPU 版本完全够用。# CPU 版 PyTorch 安装示例 pip install torch torchvision如果是 GPU 版本需要先确认显卡驱动支持再选择合适的 CUDA 版本。以较常见的 CUDA 12.x 为例安装命令类似# GPU 版示例实际命令以官网生成结果为准 pip install torch torchvision --index-url https://download.pytorch.org/whl/cu121安装完成后验证是否成功python -c import torch; print(torch.__version__); print(torch.cuda.is_available())如果输出True说明 GPU 可用。如果输出False大概率是 CUDA 版本不匹配或驱动问题先用 CPU 版学习也不影响理解原理。4.3 安装 TensorFlowTensorFlow 的安装相对简单pip install tensorflow这条命令会安装当前稳定版本。如果你是 2026 年阅读本文大概率会安装到 2.18 或更高版本。验证一下python -c import tensorflow as tf; print(tf.__version__); print(len(tf.config.list_physical_devices(GPU)))如果输出 GPU 数量为 0可能是没有 GPU 环境或者 CUDA 和 cuDNN 版本没匹配上。学习阶段用 CPU 也是可以的只是训练慢一些。4.4 安装时最常见的坑安装环境是新手劝退重灾区这里列几个高频问题问题现象可能原因解决方式ModuleNotFoundError: No module named torch没有激活虚拟环境或装到了别的环境确认conda activate dl后重新安装下载速度极慢或超时网络问题使用镜像源pip install torch -i https://pypi.tuna.tsinghua.edu.cn/simple注意 GPU 版请谨慎换源安装后 import 报错 DLL 加载失败CUDA/cuDNN 版本不匹配先卸载改用 CPU 版跑通或严格按官网指定 CUDA 版本重建环境同时装了两个框架互相干扰虚拟环境内包管理混乱新建干净环境分别安装5. 最小原理张量、自动求导与训练循环环境装好后先别急着看复杂模型而是把三个核心概念搞明白。5.1 张量Tensor是什么张量可以理解为“多维数组的升级版”。普通数组只是存数字深度学习框架里的张量还能记住自己是怎么算出来的从而支持自动求导。以 PyTorch 为例torch.tensor([1, 2, 3])就是一个一维张量。它的使用方式和 NumPy 的ndarray很像但又增加了requires_grad这个关键属性。5.2 自动求导Autograd为什么重要训练神经网络的核心是“反向传播”根据损失函数计算每个参数的梯度然后更新参数。如果手动推导梯度神经网络根本不可能普及因为层数一多链式法则的计算量会把人逼疯。自动求导就是框架替你完成这件事。你只需要定义前向传播框架会根据计算图自动算出每个参数的梯度。这正是深度学习框架存在的最大价值。TensorFlow 2.x 中对应的机制叫做GradientTape你可以在一个上下文环境中记录操作然后调用tape.gradient得到梯度。PyTorch 则是调用loss.backward()然后参数的.grad属性里就会自动填充梯度。5.3 一段伪代码看懂训练循环无论哪个框架训练一个模型都遵循同一个套路重复执行以下步骤 1. 从训练数据中取一小批样本batch 2. 输入模型得到预测结果 3. 计算预测结果与真实标签的损失loss 4. 用损失函数计算每个参数的梯度 5. 用优化器更新参数这个循环会重复很多遍直到 loss 下降到可接受的范围。框架之间的差异只体现在上述步骤 2 到 5 的 API 写法上整体逻辑完全一样。掌握了这个循环你甚至能不看框架文档就理解大部分模型代码。6. PyTorch 实战用全连接网络训练 MNIST 手写数字分类现在进入动手环节。为了让代码可完整运行我选择 MNIST 手写数字识别——深度学习界的“Hello World”。它规模小普通电脑一两分钟就能训练完非常适合初次体验。6.1 完整代码# 文件路径pytorch_mnist.py import torch import torch.nn as nn import torch.optim as optim from torch.utils.data import DataLoader from torchvision import datasets, transforms # 1. 数据预处理转为张量并归一化 transform transforms.Compose([ transforms.ToTensor(), transforms.Normalize((0.1307,), (0.3081,)) ]) # 2. 加载训练集和测试集 train_dataset datasets.MNIST(root./data, trainTrue, transformtransform, downloadTrue) test_dataset datasets.MNIST(root./data, trainFalse, transformtransform, downloadTrue) train_loader DataLoader(train_dataset, batch_size64, shuffleTrue) test_loader DataLoader(test_dataset, batch_size64, shuffleFalse) # 3. 定义模型两层全连接网络 class SimpleNet(nn.Module): def __init__(self): super(SimpleNet, self).__init__() self.fc1 nn.Linear(28 * 28, 128) self.relu nn.ReLU() self.fc2 nn.Linear(128, 10) def forward(self, x): # x 形状: [batch_size, 1, 28, 28] x x.view(x.size(0), -1) # 展平成 [batch_size, 784] x self.fc1(x) x self.relu(x) x self.fc2(x) return x # 4. 初始化模型、损失函数、优化器 device torch.device(cuda if torch.cuda.is_available() else cpu) model SimpleNet().to(device) criterion nn.CrossEntropyLoss() optimizer optim.Adam(model.parameters(), lr0.001) # 5. 训练循环 def train(epoch): model.train() total_loss 0 for batch_idx, (data, target) in enumerate(train_loader): data, target data.to(device), target.to(device) optimizer.zero_grad() output model(data) loss criterion(output, target) loss.backward() optimizer.step() total_loss loss.item() if batch_idx % 200 0: print(fEpoch {epoch}, Batch {batch_idx}, Loss {loss.item():.4f}) avg_loss total_loss / len(train_loader) print(fEpoch {epoch} 完成平均损失 {avg_loss:.4f}) # 6. 测试函数 def test(): model.eval() correct 0 total 0 with torch.no_grad(): for data, target in test_loader: data, target data.to(device), target.to(device) output model(data) pred output.argmax(dim1, keepdimTrue) correct pred.eq(target.view_as(pred)).sum().item() total target.size(0) accuracy 100.0 * correct / total print(f测试集准确率: {accuracy:.2f}%) # 7. 运行训练和测试 if __name__ __main__: for epoch in range(1, 4): train(epoch) test()6.2 这段代码做了什么模型结构很简单输入层 784 个节点28×28 像素经过一个包含 128 个神经元的隐藏层最后输出 10 个类别。重点看第 4 步到第 6 步。optimizer.zero_grad()清空上一步的梯度loss.backward()自动计算所有参数的梯度optimizer.step()用梯度更新参数。这三行组合起来就是深度学习训练的发动机。测试阶段为什么用torch.no_grad()因为测试时不需要计算梯度关闭自动求导可以节省大量内存和计算资源。6.3 预期输出上述代码运行时的输出大致如下具体数值每次可能不同Epoch 1, Batch 0, Loss 2.3023 Epoch 1, Batch 200, Loss 0.3598 ... Epoch 3 完成平均损失 0.0882 测试集准确率: 97.35%如果准确率在 97% 左右说明你的环境、代码、模型已经完全跑通了。对一个只有两层全连接网络的模型来说这个结果已经是 MNIST 上的合格水平。7. TensorFlow 实战用 Keras 完成同样的任务为了让对比更直观我用 TensorFlow 的 Keras API 实现同样的 MNIST 分类任务。你会看到其实代码框架逻辑高度一致。7.1 完整代码# 文件路径tf_mnist.py import tensorflow as tf from tensorflow.keras import layers, models # 1. 加载 MNIST 数据集 (train_images, train_labels), (test_images, test_labels) tf.keras.datasets.mnist.load_data() # 2. 数据预处理归一化并增加通道维度 train_images train_images.reshape((60000, 28, 28, 1)).astype(float32) / 255.0 test_images test_images.reshape((10000, 28, 28, 1)).astype(float32) / 255.0 # 3. 将标签转成 One-hot也可用 sparse_categorical_crossentropy 避开这步 train_labels tf.keras.utils.to_categorical(train_labels, 10) test_labels tf.keras.utils.to_categorical(test_labels, 10) # 4. 定义模型Flatten 两个全连接层 model models.Sequential([ layers.Flatten(input_shape(28, 28, 1)), layers.Dense(128, activationrelu), layers.Dense(10, activationsoftmax) ]) # 5. 编译模型 model.compile(optimizeradam, losscategorical_crossentropy, metrics[accuracy]) # 6. 训练模型 model.fit(train_images, train_labels, epochs3, batch_size64, validation_data(test_images, test_labels)) # 7. 评估模型 test_loss, test_acc model.evaluate(test_images, test_labels) print(f测试集准确率: {test_acc:.4f})7.2 这段代码与 PyTorch 版的对应关系可以看到两者做的事高度一致但风格不同。TensorFlow 的 Keras 把很多细节封装起来了。model.compile相当于指定了损失函数和优化器model.fit相当于把整个训练循环封装为一个方法。你几乎看不到loss.backward()、optimizer.step()这些步骤——它们被隐藏在高层 API 里。这对新手来说有利有弊。好处是代码更简洁坏处是容易让你失去对训练过程的掌控感。如果训练出现问题你不得不去学习底层机制才能定位。PyTorch 则把每个环节明明白白地摊在你面前虽然写起来稍长但对理解原理更友好。7.3 预期输出运行结果类似Epoch 1/3 ... accuracy: 0.9655 - val_accuracy: 0.9723 ... 测试集准确率: 0.9721如果你能在自己电脑上看到类似结果说明 TensorFlow 环境也完全正常。8. 运行结果验证与常见问题排查跑通代码只是开始。很多人在训练时遇到 loss 不降、准确率上不去、显存不足等问题不知道从哪里入手。这里我整理一份排查清单。8.1 如何判断训练是否正常训练过程正常的信号主要有几个loss 整体趋势是下降的虽然有波动。测试集准确率随着 epoch 增加而上升。训练速度和启动阶段相比没有异常变慢。控制台没有报错或 NaN 提示。如果出现 loss 变成nan很可能是学习率过大、数据中存在异常值、或者梯度爆炸。第一步先把学习率调低一个数量级比如从 0.01 改成 0.001有一半的可能性能解决。8.2 高频问题排查表问题现象可能原因排查方式解决方案CUDA out of memorybatch size 过大或显存不足查看显存使用情况观察是瞬间满还是逐步升高降低 batch_size减小输入图片尺寸loss 一直不变数据归一化缺失、梯度消失、学习率过小打印模型输出的数值范围检查激活函数增加归一化调整学习率检查标签是否错误loss 为 nan学习率过大、梯度爆炸查看初始 loss 和梯度的数值分布降低学习率使用梯度裁剪准确率停在 10% 左右多分类问题中相当于随机猜测检查标签编码是否正确模型最后层维度是否匹配确认类别数使用 CrossEntropyLoss训练时 GPU 利用率低数据加载成为瓶颈观察 CPU 和 GPU 使用率增加 DataLoader 的num_workers使用pin_memoryTrueTensorFlow 找不到 GPUCUDA/cuDNN 不匹配查看tf.config.list_physical_devices(GPU)按官方要求匹配版本检查驱动是否安装成功8.3 遇到问题先看哪里很多报错信息看起来很长真正关键的信息通常只有一两行。遇到问题第一步不是复制完整错误去搜索引擎而是先看错误信息中最前面的“Exception”或“Error”类型以及最后几行描述。例如 PyTorch 中常见的RuntimeError: size mismatch for fc1.weight本质是输入维度与模型参数维度不一致。定位到是模型定义问题再去检查输入张量的形状往往几分钟就能解决。同样地如果你在加载 PyTorch 模型时遇到weights_only相关的提示或异常这通常出现在新版 PyTorch例如 2.6 及以后加载旧格式模型时。新版 PyTorch 把weights_only参数默认值改成了更安全的设置目的是避免反序列化过程中执行任意代码。遇到这种情况不要轻易改成weights_onlyFalse去“绕过”而是先确认模型文件的来源是否可信。如果确实要从不受信任的来源加载模型宁可换模型来源也不要为了跑通一段代码而引入安全风险。9. 最佳实践与工程建议9.1 环境层面的建议使用虚拟环境是深度学习开发的基本原则。每次开始一个新项目建议都新建一个独立的 conda 环境或 venv 环境并把依赖记录到requirements.txt或environment.yml中。这样即使某个环境被弄坏了也不会影响其他项目。安装 GPU 版本时严格参考官方文档给出的 CUDA 和 cuDNN 版本组合。很多“环境折腾了一天”的案例都是因为自行混搭版本导致的。如果条件有限用云平台或者 CPU 环境先跑通代码永远比卡在安装阶段更有价值。9.2 代码层面的建议第一设置随机种子。深度学习模型初始化具有随机性不设置种子同样的代码每次运行结果都可能不同这会影响调试和复现。import random import numpy as np import torch def set_seed(seed42): random.seed(seed) np.random.seed(seed) torch.manual_seed(seed) torch.cuda.manual_seed_all(seed)TensorFlow 对应的设置方式是tf.random.set_seed(seed)。第二养成打印模型结构和中间张量形状的习惯。初学者最容易犯的错误是“闷头写一堆代码突然跑一下然后面对一个超长报错不知道从哪改”。正确做法是写一小段就打印一次张量形状确认每一层的输入输出符合预期。第三训练过程中定期保存模型检查点。即使不跑大规模训练也应该培养这个习惯。训练中断后能接续实验对比时能回溯这是工程化能力的起点。9.3 安全层面的建议加载模型文件时一定要留意来源。深度学习模型的.pt、.h5、.pkl等文件本质上是反序列化数据恶意构造的模型文件可能在加载时执行任意代码。只从可信来源下载模型不要因为某个博客或网盘分享的模型很方便就随便加载。另外在生产环境部署模型前先在隔离环境中做测试验证。模型的输入输出是否符合预期、是否被异常输入击穿、资源占用是否合理这些都应该在正式上线前确认清楚。9.4 学习路径上的建议选定框架后不要沉迷于“把框架所有 API 都学一遍”这是最高效的浪费时间方式。你应该以项目为驱动先跑通 MNIST再换成真实图片数据集尝试改模型结构尝试调整超参数然后接触数据增强、迁移学习、部署导出。每完成一个项目你对框架的掌握就会提升一个台阶。当你能独立完成一个图像分类项目、一个文本分类项目并能把模型导出为可部署的格式这时你再去对比 TensorFlow 和 PyTorch就不再是“听别人说”而是有真实的体感了。10. 总结与下一步学习方向回到开头的那个问题2026 年入门深度学习TensorFlow 和 PyTorch 到底选谁我的判断很明确没有特殊场景的前提下选 PyTorch。它的动态图设计、学术生态、调试体验和社区活跃度都更适合新手走完“理解原理 → 跑通项目 → 复现论文 → 部署上线”这条路。TensorFlow 仍然是工业界的重要力量尤其在移动端、嵌入式、已有存量系统这些场景里你迟早会碰到它。但这不是你入门第一周需要担心的事。先把一个框架学扎实再迁移到另一个是更务实的路径。这篇文章已经带你完成了环境搭建并用两个框架分别跑通了 MNIST 手写数字分类。如果你能独立把代码运行出来并看着准确率达到 97% 左右说明你已经具备了继续深入的基础。下一步建议按这个顺序走第一把训练循环的每一步都搞清楚。尤其是loss.backward()和optimizer.step()之间到底发生了什么这是深度学习最核心的魔法。第二换一个真实场景的数据集比如此次流行的图像分类数据集或者中文文本分类数据集体验完整的数据处理和模型训练流程。第三阅读一个经典模型的源码例如 ResNet 或 Transformer 的 PyTorch 实现。你会发现很多复杂模型都是由你已经学过的基础组件拼装起来的。框架之争还会继续但你真正拥有的能力是理解模型、数据和训练过程。这个能力不会因为框架的更迭而失效。选一个框架开始跑起来然后去解决下一个问题。