pytorch是一個和tensorflow一樣的深度學習框架，沒有高度封裝，適用於科研和工業部署的框架，由facebook出品，隨著pytorch新版本的更新，c++的擴充套件，也許能夠與tensorflow爭一下地位，對於工業界也逐漸友好，工業部署演算法也有些可能。tensorflow是靜態圖，而pytorch是動態圖。

Gluon是亞馬遜大神LI MU帶領下做的一個前端工具，是一個高度封裝的介面。 很多最新論文的演算法，都有復現，你只需要去呼叫相應的function就可以使用相應演算法，可以很簡單，快捷的使用演算法，看演算法的展示效果。另外GluonCV是衍生出來的另一來源專案，主要針對於視覺方面，比如人臉識別，車輛檢測，物體分類等等。 高度封裝，對於非行業的人事非常友好，真正做到，幾行程式碼就可以執行演算法。

總體感覺Gluon之於MXNET,有些像keras之於tensorflow.

對Gluon有興趣的，可以移步到:https://discuss.gluon.ai/t/topic/7429

相同點

兩個多都是深度學習平臺，都可以用於卷積神經網路、RNN等深度學習模型的搭建、訓練、學習等工作。

首先，提供支援的公司不同，pytorch是Facebook的，gluon是亞馬遜的。

然後，型別定位不同，如果詳細劃分，pytorch是一個比較靈活的後端深度學習平臺，和tensorflow、mxnet這些算是一個型別，而gluon是一個高度整合的前端平臺，和keras一個型別的，也就是說，gluon的一個函式或物件集成了mxnet的多個函式，gluon的一條命令能夠完成mxnet的一堆任務，就想keras以tensorflow為後端一樣，keras高度集成了tensorflow這些後端平臺的函式。

其次，是程式設計方式，pytorch是基於指令式程式設計，簡單但速度有限，gluon結合了符號式程式設計和指令式程式設計，兼備速度和簡潔。

最後，是靈活度，pytorch整合度沒有gluon那麼高，所以高度可定製，gluon整合度太高，所以靈活度有限。