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)
DebugSlicer 局限包括：只支持上述几类数据结构，不涉及 TensorFlow 或其他框架；联动视图交互深度不及专业医学影像软件；作为个人维护的开源项目，长期更新节奏有待观察。
Keras在TensorFlow中经历了多次定位调整：从独立库到tf.keras，再到Keras 3多后端支持，API语义反复变化。
Hugging Face Hub上PyTorch格式模型的数量远超TensorFlow格式。
社区共识是PyTorch在研究和原型开发中已占主导地位。
TensorFlow 1.x到2.x的迁移移除了静态图API（如tf.Session、tf.placeholder），导致大量存量代码无法直接运行，企业需投入人力重写。
ONNX（Open Neural Network Exchange）是一种开放的模型表示格式，旨在让不同训练框架（如 PyTorch、TensorFlow）导出的模型能被多种推理引擎加载。
Ascent GX10预装了NVIDIA AI软件栈，覆盖从原型设计到部署的全流程，并支持PyTorch、TensorFlow等主流框架。
根据近年统计，PyTorch在CVPR、NeurIPS、ICLR等会议的论文实现中占比超过60%，显著领先于TensorFlow和JAX
谷歌为Project Maven提供了TensorFlow框架和部分工程支持。
Google 将 TorchTPU 放在独立的 google-pytorch 组织下开源，而不是只留在 TensorFlow 体系内。
还有 40 条时间轴事件
全部知识事实 (20)
《Hands-On Machine Learning with Scikit-Learn, Keras & TensorFlow》的作者是Aurélien Géron
90%已验证Hugging Face的Transformers库支持PyTorch、TensorFlow和JAX三大框架
90%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
80%已验证Python深度学习框架包括TensorFlow和PyTorch
80%已验证PyTorch是当前学术界和工业界最流行的深度学习框架
80%已验证TensorFlow由Google Brain团队于2015年开源发布
80%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
80%已验证Triton Inference Server是NVIDIA开源的模型服务化框架，支持动态批处理、模型并发执行，兼容TensorRT、PyTorch、TensorFlow、ONNX Runtime等推理后端
80%已验证TensorFlow 在生产部署生态（TF Serving、TFLite、TF.js）的成熟度上具有明显优势
75%已验证CUDA Toolkit包含编译器nvcc、调试器、性能分析工具以及cuBLAS、cuFFT等数学库
75%已验证Apple Core ML框架允许开发者将PyTorch或TensorFlow训练的模型转换为.mlmodel格式在本地运行，利用GPU和Neural Engine并行计算
75%已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
75%已验证TensorFlow于2015年发布，PyTorch于2016年发布，均以Python为首要接口
75%已验证PyTorch、TensorFlow 内置的自动微分系统本质上是在计算图上自动执行链式求导过程
70%已验证Cube Studio支持PyTorch、TensorFlow、MXNet、PaddlePaddle等主流深度学习框架的分布式训练
70%已验证Kubernetes和TensorFlow均采用Apache 2.0开源协议
70%已验证TensorFlow和PyTorch是Python人工智能领域的第三方库
70%已验证PyTorch采用动态计算图（Dynamic Computational Graph）机制，每次执行前向传播时实时构建计算图，允许在运行时灵活改变网络结构
70%已验证PyTorch采用动态计算图，每次前向传播都会重新构建图，这与TensorFlow早期的静态计算图不同
65%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%