PyTorch统治学术论文，TensorFlow只占4%，LeCun：还能为啥？

“对于Python而言，为什么TensorFlow正在慢慢死去？”

这篇观点尖锐的文章一出，就被LeCun的转发推向风口浪尖：

还能为啥，当然是因为PyTorch啊。

紧接着“PyTorch和TensorFlow谁更好？”这个经久不息的论战再次被掀起，网友们也纷纷开始从文章中找到共鸣、或予以反驳。

有TensorFlow深度使用者现身说法：现在我改用PyTorch了。

但也有尝试过好几种框架的网友表示：TensorFlow和Keras做快速实验更方便，而且TensorFlow看起来对Apple M1 GPU支持更好。

当然，在这里面也出现了一些独特的声音：

JAX不比这两个框架好多了？

所以，文章作者究竟是如何得出这一结论的？

“PyTorch统治学术论文”

这篇文章的作者Ari Joury，是法国索邦大学的粒子物理学博士生，但对将AI和机器学习方法应用在粒子物理学探索上很感兴趣。

作为一个Python爱好者，她在接触两种框架时察觉到了二者的区别。

好奇哪种框架目前关注度更高，她便对Stack Overflow上3种主流框架Keras、TensorFlow和PyTorch进行了一个统计：

简单来说，就是TensorFlow关注度更高，Keras陷入停滞甚至下降，而PyTorch虽然起步较晚，但这两年一直呈现关注度稳定上升的趋势。

（不过，也有网友认为文章中用Stack Overflow数据做论据，根本不能算是统计框架的“受欢迎度”，反而只能证明这些框架“让人困惑的程度”）

那么，为什么会得出“对Python爱好者来说，TensorFlow关注度会继续下降”这一结论？

Ari Joury给出了几大理由。

其一，PyTorch用起来“更Python”。

Ari Joury表示，她使用Python编写TensorFlow框架的工作量，可能是PyTorch的两倍，此外后者编写代码的感受比TensorFlow更自然。

其二，PyTorch可用模型更多，且更适合学生和研究者使用。

据统计，在HuggingFace中，85%的大模型框架是用PyTorch实现的。

剩余的框架中，除了多个框架实现以外，只有8%的大模型框架是通过TensorFlow实现的。

这意味着PyTorch在AI大模型研究者中受欢迎程度更高。

不止大模型，使用PyTorch实现论文研究框架的人，变得越来越多。

这一观点也在Papers with Code网站统计上得到了印证。

在代码开源的那些论文研究中，单从框架使用率来看，这4年来PyTorch占比正急剧上升。

PyTorch从最初和TensorFlow持平，到如今远超TensorFlow、稳定成为使用率第一（占比62%）的框架，相比之下TensorFlow占比只有4%：

其三，PyTorch的生态发展更快。

虽然目前TensorFlow在生态体系上发展比PyTorch更好，但从PyTorch使用增长情况来看，这一趋势将在不久的将来得到逆转。

当然，TensorFlow自身也有一些不可取代的优势，例如部署更方便（类似TensorFlow Serving和TensorFlow Lite的工具很多）、以及对其他语言的支持更好等。

毕竟目前对于JavaScript、Java、C++、Julia和Rust等语言来说，TensorFlow还是更好的选择。

PyTorch则基本以Python为中心，即使有个C++ API，但其他语言的整体支持仍然比不上TensorFlow。

因此Ari Joury最终认为，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。

所以，那些AI大牛们又是怎么站队的呢？

AI大牛们选择哪些框架？

除了Yann LeCun一直是PyTorch的深度支持者以外（毕竟是Meta的人），不少AI大牛也都表态过自己更看好的框架。

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

当时，前Kaggle总裁兼首席科学家、fast.ai创始人Jeremy Howard，更看好PyTorch框架。

Keras创始人François Chollet，则在这个话题中投了TensorFlow一票，当时他认为PyTorch会走向下坡路。

至少在2020年的时候，他的观点依旧如此：“如果你是PyTorch粉丝，我的工作与你无关。”

但如今来看，PyTorch依旧保持一个活跃的状态。

你更看好哪个深度学习框架呢？

参考链接：

[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

技术干货：损失函数技术总结及Pytorch使用示例｜深度学习有哪些trick？｜目标检测正负样本区分策略和平衡策略总结

实操教程：GPU多卡并行训练总结（以pytorch为例）｜CUDA WarpReduce 学习笔记｜卷积神经网络压缩方法总结

# 极市原创作者激励计划 #

极市平台深耕CV开发者领域近5年，拥有一大批优质CV开发者受众，覆盖微信、知乎、B站、微博等多个渠道。通过极市平台，您的文章的观点和看法能分享至更多CV开发者，既能体现文章的价值，又能让文章在视觉圈内得到更大程度上的推广，并且极市还将给予优质的作者可观的稿酬！

我们欢迎领域内的各位来进行投稿或者是宣传自己/团队的工作，让知识成为最为流通的干货！

对于优质内容开发者，极市可推荐至国内优秀出版社合作出书，同时为开发者引荐行业大牛，组织个人分享交流会，推荐名企就业机会等。

投稿须知：

1.作者保证投稿作品为自己的原创作品。

2.极市平台尊重原作者署名权，并支付相应稿费。文章发布后，版权仍属于原作者。

3.原作者可以将文章发在其他平台的个人账号，但需要在文章顶部标明首发于极市平台

投稿方式：

添加小编微信Fengcall（微信号：fengcall19），备注：姓名-投稿