在大模型开发中，是否需要先完整学习 TensorFlow，再学 PyTorch？其实都可以学，但关键在于顺序。更高效的做法是：先掌握 transformers 等高级库的基本使用，学会如何调整超参数。等模型调优有一定成果后，若希望更进一步，再去研究 TensorFlow、PyTorch 这类底层框架。
这背后的逻辑和创业中的"快速试错"（fast-fail）很相似------在动态领域中，尽早验证、快速迭代非常重要。如果总想在某个环节做到 90 分，但一个项目的成功包含很多步骤，其中一步耗费大量时间做到完美，其他步骤却仍是 0 分，整体结果依然不会成功。相反，如果每个环节都能做到 80 分，整体效果就能达到不错的水平。
在大模型开发中，直接从 transformers 入手，已经足以让你达到 80 分的起点。