8.1
pytorch是一款开源学习的学习库，里面包含了所有Python有关的资源，方便用户打开学习使用，保障用户学习不卡顿，无延迟，方便日常中进行掌握。
实现方式：PyTorch是纯命令式编程，实现方便，但运行效率低；TensorFlow是纯符号式编程，通常是在计算流程完全定义好后执行，因此效率更高，但实现比较复杂。
图的定义：PyTorch中图的定义是动态变化的，可以随时定义、更改和执行节点；TensorFlow遵循"数据即代码，代码即数据"的概念，可以在运行之前静态的定义图。
可视化：PyTorch没有类似TensorBoard的工具，但可以导入TensorBoardx或者matplotlib之类的工具包用于数据可视化；TensorFlow最吸引人的地方之一就是TensorBoard，可以清晰地看出计算图、网络架构。
性质不同：PyTorch是一个深度学习框架，主要用于深度学习模型的开发、训练和部署，它提供了很多用于深度学习的工具。PyCharm是一个Python IDE，它带有一整套可以帮助用户在使用Python语言开发时提高效率的工具。
功能不同：PyTorch能够实现强大的GPU加速，同时还支持动态神经网络。PyCharm提供了很多方便的功能，如语法高亮、自动补全和代码检查等。
准备生产
使用TorchScript在渴望模式和图形模式之间无缝过渡，并使用TorchServe加快生产速度。
分布式培训
火炬。分布式后端可实现研究和生产中可扩展的分布式培训和性能优化。
健壮的生态系统
丰富的工具和库生态系统扩展了PyTorch并支持计算机视觉，NLP等方面的开发。
云端支援
PyTorch在主要的云平台上得到了很好的支持，提供了无摩擦的开发并且易于扩展。
TorchScript
分布式培训
工具和图书馆
云计算合作伙伴
原生ONNX支持
C++前端
机器学习框架
便于用户学习，使用起来上手容易。
