首先，不同的公司提供支持。Python来自Facebook，glion来自Amazon。
那么，类型定位就不同了。如果详细划分，Python是一个灵活的后端深度学习平台，tensorflow和mxnet被视为一种类型，glion是一个高度集成的前端平台，keras是一种类型。也就是说，glion的一个函数或对象集成了mxnet的多个功能，glion的一个命令就可以完成mxnet的开发，就像keras使用tensorflow作为后端一样，keras高度集成了这些后端平台的功能。
其次，编程方法，Python是基于命令编程的，简单但速度有限，glion结合了符号编程和命令编程，既快又简单。
最后，灵活性。Python的集成度没有glion那么高，所以它是高度可定制的。胶子的集成度太高，灵活性有限。
运行pytorch需要什么配置的电脑？运行Python只需要很少的环境。您只需要安装一个Python解释器。
所以
1。处理器i5i7正常。代数越高越好。
python在人工智能领域，主要是完成什么任务？3。显卡有不同的看法。最好是玩游戏和深入学习。日常办公要求不多。
面对Tensorflow，为何我选择PyTorch？谢谢
！1.人工智能，简称AI。作为计算机科学的一个分支，它试图理解智能的本质，并产生一种新的智能机器，这种机器能够以类似于人类智能的方式做出反应。该领域的研究内容包括机器人、语言识别、图像识别、自然语言处理和专家系统。随着人工智能理论和技术的日益成熟，其应用领域也在不断扩大。人工智能的科技产品已经取代了人类的劳动，并有可能在未来超越人类的智能。
2.Python是一种编程语言。在人工智能领域，它比其他编程语言有更多的优势。在当今人工智能时代，如果你想学习软件开发，python编程语言是一个不错的选择。
spanstyle="text-decoration:underline">先来说说pytorch劣势。自从其被发布以来pytorch更多被用于学术界而不是工业界的实际生产，主要是因为它不够成熟、很多接口不太稳定，加上其全面性也不够，tensorflow目前仍然有很多pytorch不支持的功能，比如快速傅里叶变换，但这一点劣势会随着pytorch的发展而逐渐减小。除此此外，相比于tensorflow的容易各处部署的静态图（这一点远胜于很多框架），以python优先的深度学习框架pytorch在部署到其他产品会很不方便。优势先从上手时间开始说，虽然在2015年发布之后tensorflow多方受宠，但是和theano一样，tensorflow使用的是静态计算图，对于新手来说有过多需要新学习的概念，这导致了不管是入门还是搭建，使用tensorflow都比pytorch困难。而在2017年pytorch被团队开源的主要原因之一也是让建立深度学习模型更加简单，这让它发展十分迅猛。在数据加载上，pytorch加载数据的API简单高效，其面向对象的API源自于porch（也是keras的设计起源），比tensorflow难学的API友好很多，使用户可以将重点放在实现自己的想法，而不是被框架本身束缚住。
速度上，pytorch并没有为了灵活性而放弃速度，虽然运行速度和程序员水平密切相关，但pytorch在相同情况下常有可能胜于其他框架的速度。另外，如果追求自定义拓展，pytorch也会是选，因为虽然二者的构建和绑定有一定的相似点，但是tensorflow在拓展时会需要很多样板代码，但pytorch只用编写接口和实现。
让我们从Python的缺点开始。python自发布以来，在学术界实际生产中的应用比工业界多，主要原因是它不够成熟，很多接口不稳定，综合性不够。Tensorflow仍有许多Python不支持的功能，如快速傅立叶变换，但随着Python的发展，这一缺点将逐渐减少。另外，与tensorflow的静态图相比，tensorflow的静态图很容易部署到任何地方（这比许多框架都要好得多），Python的深度学习框架比Python更先进，部署到其他产品上会非常不方便。
优势从一开始就有。尽管tensorflow自2015年发布以来受到了许多方面的青睐，比如theano，但tensorflow使用的是静态计算图。对于新手来说，有太多的新概念需要学习。因此，无论如何开始或构建，使用tensorflow都比python更困难。2017年，Python被团队开放源码的一个主要原因是更容易构建深度学习模型，这使得Python发展非常迅速。在数据加载方面，Python用于加载数据的API简单高效。它的面向对象API来自于porch（这也是keras的设计起源），它比tensorflow的困难API友好得多。用户可以专注于实现自己的想法，而不是被框架本身所束缚。
在速度方面，python不会为了灵活性而放弃速度。虽然运行速度与程序员的水平密切相关，但在相同的情况下，它可能比其他框架更好。另外，如果追求自定义扩展，python也会是选，因为虽然两者的构造和绑定有一些相似之处，但tensorflow在扩展中需要大量的模板代码，而只有接口和实现是python编写的。