現(xiàn)在ArXiv最火的深度學習框架到底是什么?

一年不算短，但也不算長。一年時間，可以讓Swift從11位跌倒13位，也可以讓PyTorch從第4位飆升194%至第2位！

PyTorch狂漲194%，逼近TensorFlow份額

UC伯克利RISELab的在讀博士Caroline Lemieux，分享了他們團隊收集的深度學習框架和數(shù)據(jù)科學庫使用情況的統(tǒng)計數(shù)據(jù)。O'Reilly Media的首席數(shù)據(jù)科學家Ben Lorica根據(jù)RISELab團隊的數(shù)據(jù)，做了一張圖：

圖中可以看到，TOP 3框架在過去一年中均有增長。表現(xiàn)最為亮眼的PyTorch在過去的一年里增速高達194%，成功超越Keras和Caffe，直逼第一名TensorFlow。

當了多年老大的TensorFlow只有23%的增長，低于第三名Keras的26%。而第四名Caffe不增反降，跌了29%。

除了份額外，從上圖中的增長曲線還可以看出，PyTorch從去年開始發(fā)力，在今年第一季度獲得了一個非常陡的增長曲線，甚至幾度超越TensorFlow。

不知道TF有沒有感覺到背后的寒意。

Reddit網(wǎng)友的吐槽或許也能從一個層面，反映出為什么使用人數(shù)最多的TensorFlow反而不受待見、新晉黑馬PyTorch卻備受擁戴的個中緣由：

probablyuntrue：TensorFlow太讓人抓狂了，PyTorch比TF好太多！

bunny113：TF簡直翔一樣！我從GitHub上“偷”的1.0代碼，在其他版本上都用不了，PyTorch比TF好太多！

yusuf-bengio：TF的常量老變來變?nèi)サ?，煩死了！PyTorch比TF好太多！

mexiKobe：老變就是因為從底層就有漏洞不得不重構啊。PyTorch比TF好太多！

ML_me_a_sheep：TF背后絕對是一幫天才。他們并不是像你們說的那樣胡搞瞎搞，TF很好的貼合了谷歌的需求，并不是我們這幫凡夫俗子能夠完全理解的。所以，我用PyTorch。PyTorch比TF好太多！（這位sheep請你坐下?。?/p>

rjurney：連個像樣的tf.keras文檔都沒有。PyTorch比TF好太多！

…

不知道TF有沒有再次感覺到背后的寒意。

不過整體來看，排名和去年相比變化不大。前四依然被TensorFlow、PyTorch、Keras和Caffe牢牢把持；MXNet超越了Theano上升了一位。

數(shù)據(jù)權威性和科學性

數(shù)據(jù)來源

據(jù)悉，RISELab團隊使用的數(shù)據(jù)，是基于知名電子出版服務arXiv.org上所發(fā)布論文的簡單全文搜索結(jié)果進行統(tǒng)計的。

也就是說，這個數(shù)據(jù)反映了每個框架在論文的全文中被提及的數(shù)量。搜索結(jié)果顯示，最受論文作者們歡迎的深度學習框架是TensorFlow和PyTorch。

從2019年1月到6月底，大約1800篇論文提到了TensorFlow，而PyTorch被提及的數(shù)量和TensorFlow差距不大。

Lorica認為，在某種程度上，研究人員和高校教師所使用的工具都是非常前衛(wèi)的，并且能夠強烈影響未來專業(yè)人士的框架使用情況，PyTorch和TensorFlow將在未來成為企業(yè)的首選。

發(fā)布機構

該數(shù)據(jù)的發(fā)布機構RISELab，前身是大數(shù)據(jù)領域世界頂尖的實驗室之一、UC伯克利大學的AMPLab。AMPLab曾推出過多項世界知名技術，比如Apache Spark、Apache Mesos和Alluxio。

AMPLab是加州大學伯克利分校一個為期五年的計算機研究計劃，初衷是使用數(shù)據(jù)去訓練更加豐富的模型，從而理解人和機器如何進行合作以解決數(shù)據(jù)中的問題，包括有效的數(shù)據(jù)清理、進行可衡量的數(shù)據(jù)擴展等。

AMPLab在2017年年底被關閉，接任者RISELab專注于提供SRDS，即安全實時的決策堆棧。RISELab團隊的任務是將大數(shù)據(jù)分析推向一個更深度的次元，在這個次元中，傳感器無所不在，AI是真實可觸碰的、世界是可編程的。

RISELab是UC伯克利最新的五年期項目，有著強力的財政支持，將聚焦于提供安全執(zhí)行的實時人工智能系統(tǒng)。

企業(yè)方面的調(diào)查結(jié)果卻有點不一樣

最近O'Reilly也發(fā)布了一份有關機器學習框架使用情況的調(diào)查，有超過1300名行業(yè)人士返回了有效結(jié)果。

這份調(diào)查面向的不是學術界，而是企業(yè)。結(jié)果顯示，其中近半數(shù)受訪者稱在使用TensorFlow或scikit-learn，而使用PyTorch有29%，Keras略高達到34%。

Keras作者Fran?ois Chollet認為，Keras的使用在產(chǎn)業(yè)界和整個數(shù)據(jù)科學圈中最占主流，產(chǎn)業(yè)既包括大公司也包括創(chuàng)業(yè)公司。不過，在研究社區(qū)，Keras的份額要小很多。這或許就是在企業(yè)中Keras的份額仍然高于PyTorch的原因之一。

在你爭我搶，合縱連橫之下，中國的開源框架，什么時候才能在這樣的排名上擁有自己的姓名呢？