PyTorch统治学术论文，TensorFlow只占4%

原标题:PyTorch称霸学术论文，TensorFlow只占4%，LeCun:还能是什么。》

对于Python来说，TensorFlow为什么在慢慢消亡。

这篇犀利的文章一出，就被乐存的转发推上了风口浪尖:

还能为什么当然是PyTorch

其次是PyTorch和TensorFlow谁更厉害这场旷日持久的争论再次被掀起，网友们开始从文章中寻找共鸣或反驳

有一个TensorFlow的深度用户说:现在我换PyTorch。

但也有试用过几个框架的网友表示，TensorFlow和Keras做快速实验更方便，TensorFlow似乎更支持苹果M1 GPU。

当然，也有一些独特的声音在里面:

JAX不比这两个框架好到哪里去。

PyTorch裁决学术论文

作为一名Python爱好者，她在接触到这两个框架时就注意到了它们之间的区别。

出于对目前哪个框架更受关注的好奇，她对三个主流框架Keras，TensorFlow和PyTorch做了一个关于堆栈溢出的统计:

简单来说，TensorFlow关注度更高，Keras停滞甚至下降，PyTorch起步较晚，但近两年关注度一直呈稳步上升趋势。

那么，为什么会得出对于Python爱好者来说，TensorFlow的关注度会持续下降的结论呢。

Ari Joury给出了几个原因。

首先，PyTorch使用起来更Python。

Ari Joury表示，用Python编写TensorFlow框架的工作量可能是PyTorch的两倍，后者在编写代码时感觉比TensorFlow更自然。

其次，PyTorch的可用模型更多，更适合学生和研究人员。

据统计，在HuggingFace中，85%的大型模型框架是由PyTorch实现的。

剩下的框架中，除了多个框架，只有8%的大型模型框架是通过TensorFlow实现的。

这意味着PyTorch在AI大模型研究者中更受欢迎。

不仅是大模型，越来越多的人使用PyTorch来实现论文的研究框架。

这一观点也得到了《有代码的论文》网站的统计数据的印证。

在那些有开源代码的论文的研究中，单从框架使用率的角度来看，PyTorch的比例在近四年是急剧上升的。

PyTorch从一开始等于TensorFlow，到现在已经远远超过TensorFlow，成为使用率最高的框架，相比之下TensorFlow只占4%:

第三，PyTorch的生态发展更快。

虽然目前TensorFlow在生态系统开发上比PyTorch更好，但根据PyTorch使用量的增长，这种趋势在不久的将来会发生逆转。

当然，TensorFlow本身也有一些不可替代的优势，比如更容易部署，对其他语言的支持更好。

毕竟对于JavaScript，Java，C++，Julia，Rust等语言，TensorFlow还是比较好的选择。

PyTorch基本上以Python为中心即使有了一个C++ API，对其他语言的整体支持仍然不如TensorFlow

所以Ari Joury最后认为，这两个框架的选择很大程度上取决于用户对Python的喜爱程度。

那么，那些AI公牛是怎么排队的呢。

AI多头选择哪些框架。

除了一直是PyTorch的深度支持者Yann LeCun之外，不少AI大牛也表达了自己更乐观的框架。

至少在几年前TensorFlow推出2.0的时候，TF2.0和PyTorch谁更好的话题就已经开始了。

当时，Kaggle前总裁兼首席科学家，fast.ai创始人杰瑞米·霍华德更看好PyTorch框架。

Keras的创始人Fran ois Chollet就这个话题投了TensorFlow，当时他认为PyTorch会走下坡路

至少在2020年，他的观点依然不变:如果你是PyTorch的粉丝，我的工作与你无关。

但是现在，PyTorch仍然处于活跃状态。

你更喜欢哪种深度学习框架。

参考链接:

郑重声明：此文内容为本网站转载企业宣传资讯，目的在于传播更多信息，与本站立场无关。仅供读者参考，并请自行核实相关内容。