TensorFlow API比较繁杂，使用上手困难，乱七八糟的东西很多，但是生态丰富，很多深度学习模型多有TF的实现，有Google大佬加持；
PyTorch 是Facebook面向学术界推出的一个框架，使用非常简单，搭建神经网络就像Keras和matlab一样。
PaddlePadddle 百度开源的一个框架，支持动态图和静态图，国内也有很多人用，我的感受是，非常符合中国人的使用习惯，但是在API的实用性上还有待进一步加强，不过不得不说，PaddlePaddle的中文文档写的非常清楚，上手比较简单PaddlePaddle三行代码从入门到精通;
以上评价是以前的评价，夹杂着一丝个人使用感受，最后说一下他们各自目前的好的动向：
TensorFlow models这个模型库更新非常快，以前的一些图片分类，目标检测，图片生成文字，生成对抗网络都有现成的深度学习应用的例子，包括现在更新的基于知识图谱的问答项目，神经网络编程机器人等项目，这些官方生态对于一个框架来说非常有用，这无疑是tf的一个长处。
PyTorch就一笔带过了，偏向于学术快速实现，要工业级应用，比如做个模型跑到服务器上或者安卓手机上或者嵌入式上应该搞不来；
PaddlePaddle 现在做的还不错，我强调一句，Paddle是唯一一个不配置任何第三方库，克隆直接make就能成功的框架, 被caffe编译虐过的人应该对此深有感触。
CPU和GPU主要区别：
1、CPU是电脑的中央处理器。
2、GPU是电脑的图形处理器。
3、CPU是一块超大规模的集成电路，其中包含ALU算术逻辑运算单元、Cache高速缓冲存储器以及Bus总线。
4、CPU是一台计算机的控制和运算核心，它的主要功能便是解释计算机发出的指令以及处理电脑软件中的大数据。
5、GPU是图像处理器的缩写，它是一种专门为PC或者嵌入式设备进行图像运算工作的微处理器。
6、GPU的工作与上面说过的CPU类似，但又不完全像是，它是专为执行复杂的数学和几何计算而生的，而这游戏对这方面的要求很高，因此不少游戏玩家也对GPU有着很深的感情。
所以，CPU和GPU是两个完全不一样的东西，他们只是名字听起来差不多。
CPU和GPU因为最初用来处理的任务就不同，所以设计上有不小的区别，而某些任务和GPU最初用来解决的问题比较相似，所以用GPU来算了，GPU的运算速度取决于雇了多少小学生，CPU的运算速度取决于请了多么厉害的教授，教授处理复杂任务的能力是碾压小学生的，但是对于没那么复杂的任务，还是顶不住人多。
当然现在的GPU也能做一些稍微复杂的工作了，相当于升级成初中生高中生的水平，但还需要CPU来把数据喂到嘴边才能开始干活，究竟还是靠CPU来管的。