深度學習的初學者常會問『應該選擇PyTorch或 TensorFlow套件』，其實，兩者各有擅場，兩個套件的發展方向有所不同，例如在偵錯方面，PyTorch比較容易，但TensorFlow/Keras建模、訓練、預測都只要一行程式，另外，物件偵測主流演算法YOLO，第四版以TensorFlow開發，第五版則以PyTorch開發，若我們只懂TensorFlow，那就無法使用最新版了。
梯度下降法是神經網路主要求解的方法，計算過程需要大量使用張量(Tensor) 運算，另外，在反向傳導的過程中，則要進行偏微分，計算梯度，求解多層結構的神經網路，因此，大多數的深度學習套件至少會具備下列功能：
- 張量運算：包括各種向量、矩陣運算。
- 自動微分(Auto Differentiation)：透過偏微分計算梯度。
- 各種神經層(Layers) 及神經網路(Neural Network) 模型構建。
所以學習的路徑可以從簡單的張量運算開始，再逐漸熟悉高階的神經層函數，以奠定扎實的基礎。
掌握到PyTorch 的核心之後， 再外擴至支援工具(TensorBoard)、移動裝置(Mobile)、佈署工具(TorchServe)、TorchScript、效能提升工具(Profiler)、平行及分散式處理…等。
本文節錄自《開發者傳授PyTorch秘笈》，由深智數位授權轉載。
