哪个深度学习框架发展更快？TensorFlow还是PyTorch？

我们最近看到了TensorFlow和PyTorch框架的几个重要发展。

 

PyTorch v1.0于2018年10月发布，与此同时，fastai v1.0也发布了。这两个版本都标志着框架成熟度的重要里程碑。

 

TensorFlow 2.0 Alpha于2019年3月4日发布。它增加了新的功能和改进了用户体验。它还更紧密地集成了Keras及其高级API。

 

 

 

从在线职位列表变化进行对比

 

岗位需求最直接的表现了市场对某种框架的需求程度。为了确定在当今的就业市场中需要哪些深度学习库，Jeff在Indeed，LinkedIn，Monster和SimplyHired上搜索了工作列表。

 

搜索的方式是在库名前面加前缀“机器学习”，例如TensorFlow就是“机器学习TensorFlow”，此方法仅用于历史比较，不加机器学习前缀的搜索没有产生明显不同的结果。搜索区域是美国。

 

从2019年3月的岗位数量中减去了六个月前的岗位数量结果发现：

 

 

TensorFlow的列表增幅略大于PyTorch，Keras的增量大约是TensorFlow的一半，而fastai则是完全没有市场，略有些尴尬。

 

值得注意的是，除了LinkedIn，其他网站上PyTorch的增量要比TensorFlow大；而TensorFlow的工作需求量，几乎是PyTorch或Keras的三倍。

 

从平均Google搜索活跃度进行对比

 

Google的搜索结果也是衡量人气的重要指标。从过去一年Google趋势来看，去年下半年TensorFlow的相对搜索量有所下降，而PyTorch的相对搜索量却在增长。

 

TensorFlow为蓝色; Keras以黄色，PyTorch以红色，fastai以绿色

 

从Medium文章数量进行对比

 

Medium绝对是数据科学文章和教程的聚集地，Medium上面关于TensorFlow和PyTorch文章的数量也能够体现学者和开发者以及科技媒体对二者的关注度。

 

在过去的六个月里，Medium上TensorFlow和Keras有关的文章数量相当，而PyTorch相对较少。

 

 

作为高级API，Keras和fastai受到新的深度学习从业者的欢迎。 新增了很多相关的教程。

 

从新增的arXiv文章进行对比

 

arXiv是大多数学术深度学习文章的在线存储库，代表了学术风向标。在arXiv中，过去六个月TensorFlow的新文章出现率最高，

 

 

从GitHub活跃度进行对比

 

如果说arXiv代表了学术风向标，那么Github无疑就是代表了开发者的风向标。最近关于GitHub的活动是框架流行度的另一个指标。

 

 

从上图可以看出，TensorFlow在star、fork、watch和贡献者4个方面活跃度均是最高，然而PyTorch在watch数和贡献者的增长方面非常接近。相对于star来说，watch更能体现开发者对一个项目的关注度。Watch相当于follow或者订阅，意味着这个项目对开发者来说具有比较重大的意义。而star类似点赞，仅仅表达了用户对该项目的好感。

 

值得注意的是，Fastai最近的贡献者数量在增加。

 

从Quora上的新增关注数来进行对比

 

作为目前最大最活跃的线上问答社区，Quora上的关注度也能在一定程度上体现大众对一个产品的关注度。

 

 

 

显然在Quora上，TF最受大家关注，大家对TF的也问题最多。PyTorch和Keras也有比较多的新增关注，FastAI就有些尴尬了。

 

数据分析方法

 

Jeff创建了一个计算增长分数的方法：

 

衡量0到1之间的所有功能

聚合在线职位列表和GitHub活跃度

类别的权重根据以下百分比

为了更好的理解，权重分数都乘以100

将每个框架的类别分汇总为单个增长分

 

工作列表占总分的三分之一多一点，毕竟俗话说得好：金钱万能，有钱能使鬼推磨。

 

结果

 

以下是表格形式的变化：

 

 

以下类别和最终得分：

 

 

以下是最终的增长分：

 

 

TensorFlow需求最旺盛，增长也最快。但是PyTorch也在迅速发展，和TensorFlow的差距并没有特别大。它在工作岗位需求中的大量增加证明了其使用和需求的增加。

 

在过去的六个月里，Keras也有了很大的发展。最后，虽然fastai分数最低，但也最年轻，未来还不好说。

​

END

​

碧茂课堂精彩课程推荐：

1.Cloudera数据分析课；

2.Spark和Hadoop开发员培训；

3.大数据机器学习之推荐系统；

4.Python数据分析与机器学习实战；

详情请关注我们公众号：碧茂大数据-课程产品-碧茂课堂

现在注册互动得海量学币，大量精品课程免费送！