TensorFlow
TensorFlow是由Google Brain团队开发并开源的端到端机器学习平台，支持深度学习与通用数值计算。其核心基于数据流图（计算图）机制，将计算表示为节点与边的有向图结构，支持自动微分与分布式训练。TensorFlow提供Python、C++等多语言API，可部署于服务器、移动端及嵌入式设备，广泛应用于自然语言处理、计算机视觉、语音识别等领域。
核心事实
时间轴 (近 90 天)
TensorFlow 2.0 默认启用 Eager 模式（动态图）,同时保留 tf.function 用于图优化
PyTorch采用即时执行（eager execution）模式，与静态图框架TensorFlow早期版本不同
PyTorch和TensorFlow面向深度学习场景，提供了自动微分（autograd）引擎和GPU加速计算能力
TensorFlow在工业部署方面拥有包括TensorFlow Serving、TensorFlow Lite等更完整的生产工具链
AI模型的训练框架（如PyTorch、TensorFlow）和预训练权重在GitHub等平台上完全公开
PyTorch 采用动态计算图（Define-by-Run），每次前向传播时实时构建图；TensorFlow 2.0 之前以静态计算图（Define-and-Run）为主
在Apple Silicon平台上正确安装tensorflow-metal后，TensorFlow会在设备枚举阶段检测到Metal GPU并根据默认优先GPU的策略自动放置算子，无需手动指定
标准版的TensorFlow不能直接识别并调用M1的GPU
2014年前后 Scikit-learn 是机器学习的事实标准，2015-2018年间 TensorFlow 和 PyTorch 先后成为主流深度学习框架
正确安装tensorflow-metal后，TensorFlow会根据默认设备优先级策略自动将支持的算子放置到GPU上执行，无需手动指定
还有 40 条时间轴事件
全部知识事实 (20)
Python深度学习框架包括TensorFlow和PyTorch
80%已验证TensorFlow由Google Brain团队于2015年开源发布
80%已验证Hugging Face的Transformers库支持PyTorch、TensorFlow和JAX三大框架
75%已验证TensorFlow于2015年发布，PyTorch于2016年发布，均以Python为首要接口
70%已验证Hugging Face的核心开源库transformers支持PyTorch、TensorFlow和JAX三大主流框架
65%已验证CUDA自2006年推出以来已成为AI/深度学习领域事实上的行业标准，PyTorch、TensorFlow等主流框架的默认后端均为CUDA
65%已验证TensorFlow uses the Apache License
65%已验证TensorFlow 2.0引入了Eager Execution（动态执行）机制
65%已验证ONNX（Open Neural Network Exchange）格式允许将PyTorch/TensorFlow模型导出为跨平台的中间表示格式
65%已验证TensorFlow由Google开发，最初采用静态计算图，后在2.0版本引入Eager Execution模式
65%已验证TensorFlow和PyTorch是Python人工智能领域的第三方库
65%已验证TensorFlow 1.x是静态计算图的典型代表，需要先声明整个计算流程再编译执行
65%待验证针对AI/ML岗位，ATS通常扫描特定技术栈关键词，如PyTorch、TensorFlow、Transformer、分布式训练等
75%待验证机器学习方向以Scikit-learn为入门框架，进而延伸至TensorFlow、PyTorch等深度学习框架
60%待验证Google的TensorFlow、Meta的PyTorch、OpenAI的API SDK均以Python为第一优先接口语言
60%待验证NumPy和Pandas提供高效的数据处理能力，Scikit-learn覆盖传统机器学习算法，PyTorch和TensorFlow是深度学习的两大主流框架
60%待验证几乎所有主流AI框架（PyTorch、TensorFlow、LangChain等）都以Python为主要接口语言
60%待验证TensorFlow 2.0 默认启用 Eager 模式（动态图）,同时保留 tf.function 用于图优化
50%待验证PyTorch采用即时执行（eager execution）模式，与静态图框架TensorFlow早期版本不同
50%待验证PyTorch和TensorFlow面向深度学习场景，提供了自动微分（autograd）引擎和GPU加速计算能力
50%