在Taichi社区，经常有人问这样一个问题：同样运行在GPU上，Taichi编程语言相比深度学习领域的PyTorch或Tensorflow有哪些不同？在这一系列博客中，前PyTorch核心开发者，现Taichi编译器工程师Ailing，将带大家了解Taichi编程语言和Torch的基本概念和组件，共同探寻两者之间微妙的相似与差异。

　　首先，Taichi编程语言与PyTorch的主要应用场景并不相同：Torch是计算机视觉、自然语言处理等深度学习任务的首选。Taichi则更适用于并行高性能数值计算、物理仿真以及计算机图形学。在可微物理仿真或者强化学习等交叉领域中，Taichi和PyTorch可以被结合使用，能够极大地减少重复造轮子的痛苦。

　　相似之处

　　从上层设计来看，Taichi和Torch的设计初衷都是降低用户的使用门槛。相比Tensorflow 1.0的静态构建图，eager模式下的PyTorch允许用户在Python的执行中动态构建图，极大地增强了PyTorch的易用性和可调试性。同样，易用性也是Taichi最关心的指标之一，我们希望让更多人无需掌握艰深的CUDA、OpenGL或Vulkan等专业知识，仍然可以便捷地编写高性能并行程序。

　　Taichi和Torch都选择成为目前非常受欢迎的Python语言的生态圈的一部分，两者和其他通用的Python包都是以Python package的形式发布新版本，在命令行pip install taichi或pip install torch就可以一键安装。

　　各有不同

　　尽管taichi和Torch有一些相似之处，两者仍然存在诸多明显差别。对于Torch eager模式的用户来说，这种差别更加明显。在eager模式下，PyTorch程序由Python解释器执行，而Taichi(这里Taichi代码特指被 ti.kernel修饰的python function里面的代码)则是由Taichi的编译器编译运行的。taichi https://taichi-lang.cn/