paddle和tensorflow？

paddle是百度開發，國內第一款深度學習框架；tensorflow是谷歌開發，全球范圍內廣泛使用的開發框架，tf在兩三年前用戶占比很高，但近來由于pytorch的易入手和便捷性得到更多用戶的喜愛。

TensorFlow? 是一個采用數據流圖（data flow graphs），用于數值計算的開源軟件庫。節點（Nodes）在圖中表示數學操作，圖中的線（edges）則表示在節點間相互聯系的多維數據數組，即張量（tensor）。它靈活的架構讓你可以在多種平臺上展開計算，例如臺式計算機中的一個或多個CPU（或GPU），服務器，移動設備等等。TensorFlow 最初由Google大腦小組（隸屬于Google機器智能研究機構）的研究員和工程師們開發出來，用于機器學習和深度神經網絡方面的研究，但這個系統的通用性使其也可廣泛用于其他計算領域。

PaddlePaddle (中文名：飛槳，PArallel Distributed Deep LEarning 并行分布式深度學習)是一個深度學習平臺，具有易用、高效、靈活和可伸縮等特點，為百度內部多項產品提供深度學習算法支持。

PaddlePaddle 的優勢：

同時支持動態圖和靜態圖，兼顧靈活性和效率

動態圖具有方便調試、高效驗證業務、快速實現想法等特點， 靜態圖具有方便部署、運行速度快，適合進行業務應用等特點， 助您靈活、高效地進行訓練和預測

精選應用效果最佳的算法模型并提供官方支持

飛槳提供70+官方模型，全部經過真實應用場景的有效驗證。 基于百度多年中文業務實踐，提供更懂中文的NLP模型； 同時開源多個百度獨有的優勢業務模型以及國際競賽冠軍算法

真正源于產業實踐，提供業界最強的超大規模并行深度學習能力

飛槳是業內唯一全面支持大規模稀疏參數訓練場景的開源框架， 支持千億規模參數、數百個節點的高效并行訓練

支持的特性

易用性：為用戶提供了直觀且靈活的數據接口和模型定義接口

靈活性：PaddlePaddle支持多種神經網絡結構和優化算法。簡單書寫配置文件即可實現復雜模型，如帶注意力機制或復雜記憶連接的神經機器翻譯模型

高效性：為充分發揮多種計算資源的效力，PaddlePaddle在計算、存儲、架構、通信等多方面都做了細致優化，性能優異

可伸縮性：PaddlePaddle全面支持多核、多GPU、多機環境，優化的通信實現使高吞吐與高性能成為可能，輕松應對大規模數據訓練需求

兩個框架的對比：

社區活躍量不一樣，github，paddle9k，而TensorFlow 90k。我剛開始還以為paddle中文好理解，其實發現并不然。如果你在學習的過程中遇見哪個aip不知道，你發現，你在paddle官網上查也全是英文，而TensorFlow直接在百度上查，就有很多資源解釋。而paddlepaddle百度上查api幾乎沒有。所以就學習上，TensorFlow還是資源比較豐富的。但是你在Github上提問，paddle官方人員會給你解答，這點paddle還是比較好的。TensorFlow偏向于研究，paddlepaddle偏向于應用。如果你只是運用深度學習模型，其實paddle就可以了，通常TensorFlow的幾行代碼，paddle一行就解決了。但是你要搞研究還是建議你用TensorFlow。比如你要編寫自己的激活函數，TensorFlow直接就可以寫，而paddle你還要去底層用去編寫。（底層兩個都是用的c++）因為paddle把所有的激活函數都封裝成api了。