PyTorch和TensorFlow学哪个？感觉教程看越多越迷茫了

说个实在的，你要是明年找算法岗，现在纠结这个纯粹是浪费时间。我面过不少人，简历上写精通TF结果连动态图静态图都分不清的太多了。PyTorch现在学术界基本是统治地位，你去看顶会论文的代码，十篇里有八篇是PyTorch，面试官问你最近复现过什么模型，你用TF讲起来自己都别扭。TensorFlow在企业里确实存量多，但很多是历史项目，新起的团队尤其是做大模型相关的，PyTorch占绝对优势。部署那块ONNX报错太正常了，跟框架关系不大，是你对模型导出时的动态轴、算子支持没吃透，换个框架照样踩坑。我的建议是主攻PyTorch，把训练和调试链路跑熟，然后花两周了解一下TF的Keras和SavedModel格式就行，面试问到能说清楚区别就够了。两个都学一点这种话听着稳妥，实际上容易两边都不深，面试官一追问就露馅。

说实话这个问题年年都有人问，我当年也纠结过一模一样的事。我的真实体验是，PyTorch现在是学术和大部分算法岗的主流，尤其你要是投研究型或者大模型相关的岗位，基本清一色PyTorch，面试也大多让你用torch写。TensorFlow在工业部署和一些传统大厂里存量还很多，但新项目真的越来越少了，招聘写TF很多时候是历史遗留，不一定真让你天天写。部署那块你遇到的ONNX报错太正常了，跟框架关系没那么大，更多是算子支持和动态shape的坑，换成TF你也躲不掉。我的建议是主攻PyTorch，把训练、调试、分布式这些吃透，TF花几天看看Keras能读懂别人代码就行，不用硬啃。真要面试前突击一下TF的Serving和TFLite概念足够了，别为了“都学一点”把两边都学成半吊子。

现在公司里PyTorch确实越来越主流了，尤其做研究和模型开发这块，TensorFlow更多是老项目和部署端在用。你ONNX报错大概率是动态图转静态图时shape或者自定义op的问题，建议先查算子支持列表。如果目标是明年找算法岗，主攻PyTorch比较稳，但简历上最好也写点TF经验，面试官有时候会问部署相关的东西。别贪多，先挑一个把训练和推理流程跑通再说。

说实话现在招聘要求写TensorFlow的，进去大概率也是PyTorch干活，很多JD就是抄来抄去没更新。我建议主攻PyTorch，部署那块踩几个坑就熟了，ONNX报错基本都是op不支持或者动态shape没写对，网上方案挺多的。TensorFlow 2.x有空扫一眼Keras就行，不用死磕，面试问到能聊两句足够。

先主攻PyTorch，找工作时再补TensorFlow也不迟，部署的坑两边都躲不掉。

我去年找工作的时候也纠结过这个，后来发现面试基本都问PyTorch，实际组里也大多用PyTorch做研究迭代。TensorFlow在工业部署确实还有些存量，但新项目越来越少见了。建议主攻PyTorch，把训练和调试搞熟，部署那块可以顺带了解下TorchScript或者ONNX，不用一开始就死磕。真遇到要求TF的岗位，Keras上手很快的，别被招聘JD吓住。

先主攻PyTorch，面试能讲清项目比会几个框架重要，TensorFlow入职再补也来得及。

学到了，感谢分享！

这个思路不错，收藏了。