從多個(gè)角度對(duì)TensorFlow和PyTorch進(jìn)行了對(duì)比，哪個(gè)會(huì)成為最有話語(yǔ)權(quán)的深度學(xué)習(xí)框架

TensorFlow和PyTorch，誰(shuí)才是王者？本文詳細(xì)的從多個(gè)角度對(duì)TensorFlow和PyTorch進(jìn)行了對(duì)比，以求找出二者在接下來(lái)的時(shí)間里，哪個(gè)會(huì)成為最有話語(yǔ)權(quán)的深度學(xué)習(xí)框架。

TensorFlow是毫無(wú)爭(zhēng)議的深度學(xué)習(xí)框架重量級(jí)冠軍，而PyTorch是年輕的后起之秀，贏的了不少人的青睞。

最近TensorFlow在3月4日發(fā)布了2.0公測(cè)版，增加了新功能。改善了用戶體驗(yàn)，更加緊密地集成了Keras作為其高級(jí)API。這一版本和1.x相比，改動(dòng)相當(dāng)大，以至于你需要遷移代碼庫(kù)。Google自己也一樣需要做同樣的事情，所以他們特意出了一套官方的遷移指南，甚至還開(kāi)發(fā)了工具來(lái)幫助簡(jiǎn)化遷移代碼的工作量。聽(tīng)起來(lái)真是讓人頭禿。

PyTorch v1.0和fastai v1.0都是在2018年10月發(fā)布的，這兩個(gè)版本標(biāo)志著框架成熟的重要里程碑。Facebook也剛剛開(kāi)源了大規(guī)模圖嵌入系統(tǒng)PyTorch-BigGraph，而且因?yàn)門(mén)ensorFlow有些激進(jìn)的升級(jí)，導(dǎo)致給PyTorch送了一波新粉絲。

所以2019年，到底TensorFlow能夠繼續(xù)穩(wěn)坐冠軍寶座，或是被PyTorch超越？為了找出這個(gè)問(wèn)題的答案，數(shù)據(jù)科學(xué)家、Rebel Desk的COO、Medium優(yōu)秀作者Jeff Hale查看了Indeed Monster、LinkedIn和SimplyHired上的職位列表數(shù)量、評(píng)估了Google搜索量、GitHub活躍度，Medium文章、ArXiv論文和Quora主題關(guān)注者的變化，從多個(gè)維度對(duì)二者進(jìn)行了對(duì)比，可以說(shuō)是非常具有說(shuō)服力了。

從在線職位列表變化進(jìn)行對(duì)比

崗位需求最直接的表現(xiàn)了市場(chǎng)對(duì)某種框架的需求程度。為了確定在當(dāng)今的就業(yè)市場(chǎng)中需要哪些深度學(xué)習(xí)庫(kù)，Jeff在Indeed，LinkedIn，Monster和SimplyHired上搜索了工作列表。

搜索的方式是在庫(kù)名前面加前綴“機(jī)器學(xué)習(xí)”，例如TensorFlow就是“機(jī)器學(xué)習(xí)TensorFlow”，此方法僅用于歷史比較，不加機(jī)器學(xué)習(xí)前綴的搜索沒(méi)有產(chǎn)生明顯不同的結(jié)果。搜索區(qū)域是美國(guó)。

從2019年3月的崗位數(shù)量中減去了六個(gè)月前的崗位數(shù)量結(jié)果發(fā)現(xiàn)：

TensorFlow的列表增幅略大于PyTorch，Keras的增量大約是TensorFlow的一半，而fastai則是完全沒(méi)有市場(chǎng)，略有些尷尬。

值得注意的是，除了LinkedIn，其他網(wǎng)站上PyTorch的增量要比TensorFlow大；而TensorFlow的工作需求量，幾乎是PyTorch或Keras的三倍。

從平均Google搜索活躍度進(jìn)行對(duì)比

Google的搜索結(jié)果也是衡量人氣的重要指標(biāo)。從過(guò)去一年Google趨勢(shì)來(lái)看，去年下半年TensorFlow的相對(duì)搜索量有所下降，而PyTorch的相對(duì)搜索量卻在增長(zhǎng)。

TensorFlow為藍(lán)色; Keras以黃色，PyTorch以紅色，fastai以綠色

從Medium文章數(shù)量進(jìn)行對(duì)比

Medium絕對(duì)是數(shù)據(jù)科學(xué)文章和教程的聚集地，Medium上面關(guān)于TensorFlow和PyTorch文章的數(shù)量也能夠體現(xiàn)學(xué)者和開(kāi)發(fā)者以及科技媒體對(duì)二者的關(guān)注度。

在過(guò)去的六個(gè)月里，Medium上TensorFlow和Keras有關(guān)的文章數(shù)量相當(dāng)，而PyTorch相對(duì)較少。

作為高級(jí)API，Keras和fastai受到新的深度學(xué)習(xí)從業(yè)者的歡迎。 新增了很多相關(guān)的教程。

從新增的arXiv文章進(jìn)行對(duì)比

arXiv是大多數(shù)學(xué)術(shù)深度學(xué)習(xí)文章的在線存儲(chǔ)庫(kù)，代表了學(xué)術(shù)風(fēng)向標(biāo)。在arXiv中，過(guò)去六個(gè)月TensorFlow的新文章出現(xiàn)率最高，

從GitHub活躍度進(jìn)行對(duì)比

如果說(shuō)arXiv代表了學(xué)術(shù)風(fēng)向標(biāo)，那么Github無(wú)疑就是代表了開(kāi)發(fā)者的風(fēng)向標(biāo)。最近關(guān)于GitHub的活動(dòng)是框架流行度的另一個(gè)指標(biāo)。

從上圖可以看出，TensorFlow在star、fork、watch和貢獻(xiàn)者4個(gè)方面活躍度均是最高，然而PyTorch在watch數(shù)和貢獻(xiàn)者的增長(zhǎng)方面非常接近。相對(duì)于star來(lái)說(shuō)，watch更能體現(xiàn)開(kāi)發(fā)者對(duì)一個(gè)項(xiàng)目的關(guān)注度。Watch相當(dāng)于follow或者訂閱，意味著這個(gè)項(xiàng)目對(duì)開(kāi)發(fā)者來(lái)說(shuō)具有比較重大的意義。而star類似點(diǎn)贊，僅僅表達(dá)了用戶對(duì)該項(xiàng)目的好感。

值得注意的是，F(xiàn)astai最近的貢獻(xiàn)者數(shù)量在增加。

從Quora上的新增關(guān)注數(shù)來(lái)進(jìn)行對(duì)比

作為目前最大最活躍的線上問(wèn)答社區(qū)，Quora上的關(guān)注度也能在一定程度上體現(xiàn)大眾對(duì)一個(gè)產(chǎn)品的關(guān)注度。

顯然在Quora上，TF最受大家關(guān)注，大家對(duì)TF的也問(wèn)題最多。PyTorch和Keras也有比較多的新增關(guān)注，F(xiàn)astAI就有些尷尬了。

數(shù)據(jù)分析方法

Jeff創(chuàng)建了一個(gè)計(jì)算增長(zhǎng)分?jǐn)?shù)的方法：

衡量0到1之間的所有功能

聚合在線職位列表和GitHub活躍度

類別的權(quán)重根據(jù)以下百分比

為了更好的理解，權(quán)重分?jǐn)?shù)都乘以100

將每個(gè)框架的類別分匯總為單個(gè)增長(zhǎng)分

工作列表占總分的三分之一多一點(diǎn)，畢竟俗話說(shuō)得好：金錢(qián)萬(wàn)能，有錢(qián)能使鬼推磨。

結(jié)果

以下是表格形式的變化：

以下類別和最終得分：

以下是最終的增長(zhǎng)分：

TensorFlow需求最旺盛，增長(zhǎng)也最快。但是PyTorch也在迅速發(fā)展，和TensorFlow的差距并沒(méi)有特別大。它在工作崗位需求中的大量增加證明了其使用和需求的增加。

在過(guò)去的六個(gè)月里，Keras也有了很大的發(fā)展。最后，雖然fastai分?jǐn)?shù)最低，但也最年輕，未來(lái)還不好說(shuō)。

未來(lái)暢想

所謂蘿卜青菜各有所愛(ài)。PyTorch更有Python味兒，API也更一致。它還具有原生的ONNX模型導(dǎo)出，可用于加速推理。此外，PyTorch與numpy共享許多命令，從而降低了學(xué)習(xí)門(mén)檻。

TensorFlow 2.0則完全是為了改進(jìn)用戶體驗(yàn)。正如谷歌首席決策情報(bào)工程師Cassie Kozyrkov之前解釋的那樣，TensorFlow現(xiàn)在擁有更直接的API，更簡(jiǎn)化的Keras集成，更偏實(shí)用層面，應(yīng)該有助于該框架在未來(lái)幾年保持流行。

TensorFlow最近宣布了另一個(gè)激動(dòng)人心的計(jì)劃：Swift for TensorFlow。Swift最初由Apple構(gòu)建的編程語(yǔ)言，在執(zhí)行和開(kāi)發(fā)速度方面，Swift比Python有許多優(yōu)勢(shì)。

Fast.ai將在部分高級(jí)MOOC中使用Swift for TensorFlow，這門(mén)語(yǔ)言可能不會(huì)在一兩年內(nèi)有突破性的發(fā)展，但它可能是對(duì)當(dāng)前深度學(xué)習(xí)框架的改進(jìn)。

未來(lái)量子計(jì)算的發(fā)展可能會(huì)影響到深度學(xué)習(xí)框架，需要適配這項(xiàng)新技術(shù)。

所以，親愛(ài)的讀者，你會(huì)如何選擇呢？