本章对 TensorFlow 和 PyTorch 进行基础对比，侧重它们的核心运作方式。如果您已熟悉 TensorFlow，本章将帮助您把现有知识对应到 PyTorch 环境中。

您将学会：

• 区分 TensorFlow 的静态计算图与 PyTorch 动态的“定义即运行”方式。
• 比较 tf.Tensor 和 torch.Tensor，包括它们的创建、属性和常用操作。
• 了解 PyTorch 的自动微分机制 autograd 与 TensorFlow 的 tf.GradientTape 之间的关系。
• 查看两个框架如何与 NumPy 集成以实现高效数据处理。
• 在 PyTorch 中管理跨不同设备（例如 CPU 和 GPU）的计算。

我们将涵盖主要异同点，为 PyTorch 的使用打好底子。本章最后将提供实践练习，以应用这些核心要点。