2019呆板进修框架之争：与Tensorflow竞争白热化，进击的PyTorch赢在那边？

大数据文摘出品

来历：thegradient

编译：张大笔茹、曹培信、刘俊寰、牛婉扬、Andy

2019年，呆板进修框架之争进入了新阶段：PyTorch与TensorFlow成为最后两大玩家，PyTorch占有学术界领军职位，TensorFlow在家产界力气依然强盛，两个框架都在向对方小心，可是都不太抱负。

最后谁能胜出?还得看谁更好的答复几个要害题目。

来自康奈尔大学的Horace He方才在Gradient宣布了一篇长文切磋2019年的两大呆板进修框架之争，他阐述了PyTorch和TensorFlow各自的是非和成长趋势，可是很明明更看好PyTorch，出格是其在学术规模起到的驱举措用。

恰恰，本日也是PyTorch 1.3宣布的日子，最新的版本增进了更多家产方面的手段，量化尚有终端支持。PyTorch官方称还将启动很多其他器材和库，以支持模子的可表明性，并将多模式研究投入出产。

PyTorch 1.3宣布官方链接：

https://PyTorch.org/blog/PyTorch-1-dot-3-adds-mobile-privacy-quantization-and-named-tensors/

呆板进修的将来你更看好PyTorch照旧TensorFlow呢?也接待留言汇报我们。

以下是全文：

自2012年深度进修从头得到突出职位以来，很多呆板进修框架也响应成为研究职员和行业从颐魅者的新宠。

从Caffe和Theano的早期学术成就，到业界支持的大局限PyTorch和TensorFlow，面临云云多的选择，人们很难知道最好的框架是什么。

假如从Reddit看，你也许会以为PyTorch风头正盛。但假如你赏识的是呆板进修大咖Francois Chollet的Twitter，你也许会以为TensorFlow/Keras是主流框架。

2019年，呆板进修框架之战首要是PyTorch和TensorFlow的坚持。

按照我的说明，在学术规模，研究职员正逐渐放弃TensorFlow，扎堆涌向PyTorch。与此同时，在家产规模，TensorFlow是首选平台，但这种环境也许不会一连好久。

一、PyTorch在研究规模日益占有主导职位

起首虽然是先用数据措辞。

下图表现了顶级研究集会会议接管论文中，行使TensorFlow或Pythorch的比率。可以发明，全部的折线都向上倾，而且在2019年，首要集会会议的论文中，大都行使的都是PyTorch。

假如认为仅靠集会会议论文数据还不足，这里尚有一张图来证明PyTorch在研究社区得到存眷的速率。

下图表现了PyTorch和TensorFlow在种种集会会议上被说起的次数图。

2018年，PyTorch得到的存眷还较量少。但此刻，大大都人都在行使PyTorch：69%的CVPR、75%以上的NAACL和ACL、50%以上的ICLR和ICML行使的也是PyTorch。

PyTorch在视觉和说话集会会议方面的上风最为明明，别离以2:1和3:1的比例高出了TensorFlow。另外可以看到，在ICLR和ICML等通用呆板进修集会会议上，PyTorch也比TensorFlow更受接待。

固然有人以为PyTorch照旧一个全新的框架，并试图在TensorFlow主导的天下平分得一杯羹，可是数据汇报我们并非云云。除了ICML，在NAACL、ICLR和ACL等集会会议上，TensorFlow本年的论文整体上都比去幼年。

也就是说，慌的不是PyTorch，而是TensorFlow。

1. 为什么研究职员喜好PyTorch?

简朴。PyTorch相同于numpy，很是Python化，很轻易就能与Python生态体系的别的部门集成。譬喻，可以在PyTorch模子中任那里所添加pdb断点。而在TensorFlow中，调试模子必要一个勾当会话，整个进程很是贫困。

API。大大都研究职员更喜好PyTorch的API而不是TensorFlow的API。部门缘故起因是由于PyTorch的计划更好，尚有部门是由于TensorFlow切换其API接口过于频仍(好比“layers”-“slim”-“estimators”-“tf.keras”)，这阻碍了其自身的成长。

示意。尽量PyTorch的动态图给出的优化机遇很少，但很多据说称PyTorch的速率不比TensorFlow慢几多。今朝尚不清晰这是否属实，但至少，TensorFlow在这一方面还没有得到抉择性的上风。

2. TensorFlow 将来的研究偏向是什么?

纵然TensorFlow在成果上与PyTorch八两半斤，但PyTorch已经包围了呆板进修社区的大部门。这意味着PyTorch实现将更轻易找到，作者将更有动力用PyTorch宣布代码，并且你的相助者也很也许会更喜好PyTorch。因此，任何向TensorFlow 2.0的回迁也许会很慢。

TensorFlow在Google/Deepmind中有一批忠实的用户，但不知道Google最终是否会在这一点上摇动。此刻，许多Google想招募的研究职员已经开始喜好上PyTorch了，我也听到诉苦说Google内部许多研究职员但愿行使TensorFlow之外的框架。

另外，PyTorch的统治职位很也许会割断谷歌研究职员与其他研究社区的接洽。他们不只难以在外部研究的基本长举办构建，并且外部研究职员也不太也许在谷歌宣布的代码基本长举办构建。

TensorFlow 2.0是否能从头俘获回之前的粉丝尚有待调查。尽量eager模式很吸引人，但对付Keras API而言并非云云。

二、用于财富的PyTorch和TensorFlow

固然PyTorch今朝在研究规模占有主导职位，但轻微留意一下就会发明TensorFlow如故是占有主导职位的框架。

（编辑：河北网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!