您说研究人员使用 C++ 或其他一些低级库从头开始构建网络的说法与事实相去甚远。

你可以看看这个分析，显示这两个框架在顶级 ML 会议中的流行度。下图取自那里。

例如，在 CVPR-2020 中，TensorFlow 和 pytorch 结合了 500 多篇论文！此外，由于两个最活跃的研究实体（谷歌和 Facebook）支持这两个框架，它们被用于一些最具影响力的研究中。

我想给出一些支持这些框架流行的理由，但首先我要重新表述一下你的问题：

为什么在 python 中使用 TensorFlow/Pytorch 而不是使用 C++ 自己构建模型？

注意：我重新表述问题的原因是因为TensorFlow和PyTorch都有 C++ API。

与低级编程语言相比，为什么这些框架如此受欢迎？

一些原因如下

• 快速原型制作。语言链接 C++，具有臃肿的语法，需要低级操作（例如内存管理）并且不能交互运行。这意味着在 python 中创建和测试模型所花费的时间比在 C++ 中要少得多。

• 无需重新发明轮子。一些操作在大多数网络中都很常见（例如反向传播），为什么要重新实现它们？其他功能很难自己实现（例如并行处理、GPU 计算）。数据科学家是否需要拥有如此强大的技术背景来研究神经网络？

• 开源. 它们受益于开源，并且可以为您提供大量用于构建神经网络的工具。您想将 batchnorm 添加到您的网络吗？不用担心，只需将其导入并添加到一行中！此外，它们为共享预训练模型提供了绝佳机会。

• 它们经过优化。这些框架经过优化，可以在 GPU（如果可用）或 CPU 上尽可能快地运行。一个人几乎不可能自己编写运行速度一样快的代码。