几乎所有的深度学习框架都是基于计算图的，计算图分为动态计算图和静态计算图。
静态计算图先定义再进行运行，一次定义多次运行，而动态计算题是在运算过程中被定义，在运行的时候构建。可以多次构建，多次运行。
静态计算图一旦创建就不能修改，定义的时候使用特殊的语法，就像学习一门新的语言，意味着无法使用if，while等语句。
动态计算图，可以使用python的if，while等条件，最终的计算图取决于你执行的条件分支。
动态图的思想直接明了，更符合人的思考过程，动态图的方式使得我们可以任意修改前向传播，还可以查看变量的值。
如果说静态图框架好比C++，每次运行都编译才行(session.run)，那么动态图框架就是python,动态执行，可以修改。
动态图带来的另一个优势是，调试更加容易，pytorch代码报错的地方，往往就是代码写错的地方。而静态图根据代码生成图对象，然后在session.run()时报错，这种错几乎很难找到相应的代码。