蕭簫 發自 凹非寺

量子位 | 公眾號 QbitAI

“對於Python而言，為什麼TensorFlow正在慢慢死去？”

這篇觀點尖銳的文章一出，就被LeCun的轉發推向風口浪尖：

還能為啥，當然是因為PyTorch啊。

緊接著“PyTorch和TensorFlow誰更好？”這個經久不息的論戰再次被掀起，網友們也紛紛開始從文章中找到共鳴、或予以反駁。

有TensorFlow深度使用者現身說法：現在我改用PyTorch了。

但也有嘗試過好幾種框架的網友表示：TensorFlow和Keras做快速實驗更方便，而且TensorFlow看起來對Apple M1 GPU支援更好。

當然，在這裡面也出現了一些獨特的聲音：

JAX不比這兩個框架好多了？

所以，文章作者究竟是如何得出這一結論的？

“PyTorch統治學術論文”

這篇文章的作者

Ari Joury

，是法國索邦大學的粒子物理學博士生，但對將AI和機器學習方法應用在粒子物理學探索上很感興趣。

作為一個Python愛好者，她在接觸兩種框架時察覺到了二者的區別。

好奇哪種框架目前關注度更高，她便對Stack Overflow上3種主流框架Keras、TensorFlow和PyTorch進行了一個統計：

簡單來說，就是TensorFlow關注度更高，Keras陷入停滯甚至下降，而PyTorch雖然起步較晚，但這兩年一直呈現關注度穩定上升的趨勢。

（不過，也有網友認為文章中用Stack Overflow資料做論據，根本不能算是統計框架的“受歡迎度”，反而只能證明這些框架“讓人困惑的程度”）

那麼，為什麼會得出“對Python愛好者來說，TensorFlow關注度會繼續下降”這一結論？

Ari Joury給出了幾大理由。

其一，PyTorch用起來“更Python”。

Ari Joury表示，她使用Python編寫TensorFlow框架的工作量，可能是PyTorch的兩倍，此外後者編寫程式碼的感受比TensorFlow更自然。

其二，PyTorch可用模型更多，且更適合學生和研究者使用。

據統計，在HuggingFace中，85%的大模型框架是用PyTorch實現的。

剩餘的框架中，除了多個框架實現以外，只有8%的大模型框架是透過TensorFlow實現的。

這意味著PyTorch在AI大模型研究者中受歡迎程度更高。

不止大模型，使用PyTorch實現論文研究框架的人，變得越來越多。

這一觀點也在Papers with Code網站統計上得到了印證。

在程式碼開源的那些

論文研究

中，單從框架使用率來看，這4年來PyTorch佔比正急劇上升。

PyTorch從最初和TensorFlow持平，到如今遠超TensorFlow、穩定成為使用率第一

（佔比62%）

的框架，相比之下

TensorFlow佔比只有4%

：

其三，PyTorch的生態發展更快。

雖然目前TensorFlow在生態體系上發展比PyTorch更好，但從PyTorch使用增長情況來看，這一趨勢將在不久的將來得到逆轉。

當然，TensorFlow自身也有一些不可取代的優勢，例如部署更方便

（類似TensorFlow Serving和TensorFlow Lite的工具很多）

、以及對其他語言的支援更好等。

畢竟目前對於JavaScript、Java、C++、Julia和Rust等語言來說，TensorFlow還是更好的選擇。

PyTorch則基本以Python為中心，即使有個C++ API，但其他語言的整體支援仍然比不上TensorFlow。

因此Ari Joury最終認為，這兩個框架的選擇，很大程度上取決於使用者對Python的喜愛程度。

所以，那些AI大牛們又是怎麼站隊的呢？

AI大牛們選擇哪些框架？

除了

Yann LeCun

一直是PyTorch的深度支持者以外

（畢竟是Meta的人）

，不少AI大牛也都表態過自己更看好的框架。

至少在幾年前TensorFlow推出2。0的時候，“TF2。0和PyTorch誰更好”這個話題就已經開始了。

當時，前Kaggle總裁兼首席科學家、fast。ai創始人

Jeremy Howard

，更看好PyTorch框架。

Keras創始人

François Chollet

，則在這個話題中投了TensorFlow一票，當時他認為PyTorch會走向下坡路。

至少在2020年的時候，他的觀點依舊如此：“如果你是PyTorch粉絲，我的工作與你無關。”

但如今來看，PyTorch依舊保持一個活躍的狀態。

你更看好哪個深度學習框架呢？

參考連結：

［1］https：//twitter。com/ylecun/status/1614186881171742720

［2］https：//levelup。gitconnected。com/why-tensorflow-for-python-is-dying-a-slow-death-ba4dafcb37e6

［3］https：//paperswithcode。com/trends

— 完 —

量子位 QbitAI · 頭條號簽約