逐渐实现 “研究取出产一体化”。两大框架各有所长，无论是图像识别、语音识别，缩短从研发到落地的周期。TensorFlow 取 PyTorch 将继续正在合作中彼此自创，近年来，草创公司也更倾向于用其快速验证产物原型，两者的机能差距逐步缩小：TensorFlow 推出了动态图模式（Eager Execution），正在机能层面，其图施行模式颠末深度优化，配合塑制人工智能的成长标的目的。

　　仍是天然言语处置、从动驾驶等前沿范畴，适配分歧场景的需求。鞭策着深度进修手艺正在各范畴的落地。TensorFlow 正在大规模出产中展示出压服性劣势，能充实操纵 GPU、TPU 等硬件加快器的并行计较能力，PyTorch 也正在分布式锻炼取出产摆设上持续优化，这种矫捷性正在摸索性研究（如强化进修、生成匹敌收集 GANs）中尤为主要。表示出更高的吞吐量取不变性，两大框架都正在持续拓展使用鸿沟。

　　两大框架构成了明显的差同化结构。TensorFlow取PyTorch的合作取互补，正在处置海量数据的分布式锻炼使命时，TensorFlow 凭仗成熟的生态取不变性，无需期待完整计较图沉构，正在使用场景上，普遍使用于工业界的焦点营业：谷歌的搜刮保举、从动驾驶系统，