PyTorch一年增長(zhǎng)194%,兼容性更強(qiáng),超越TensorFlow指日可待
乾明 發(fā)自 凹非寺
量子位 報(bào)道 | 公眾號(hào) QbitAI
看樣子,PyTorch超過TensorFlow指日可待了。
這個(gè)結(jié)論,來自于這樣的數(shù)據(jù):
2019年1月到6月底,在arXiv.org上發(fā)表的論文中,提及TensorFlow和PyTorch的數(shù)量相差無幾,PyTorch僅稍稍落后。
但最關(guān)鍵的在于增長(zhǎng)速度:與2018年1月到6月相比,PyTorch增長(zhǎng)了194%。相比之下,TensorFlow的增長(zhǎng)幅度僅為23%。
一方面有足夠的基數(shù),另一方面又有足夠的增速,PyTorch已經(jīng)具備超過TensorFlow的可能性。
數(shù)據(jù)來自于RISELab——隸屬于加州大學(xué)伯克利分校的研究機(jī)構(gòu),目標(biāo)是研發(fā)下一代大數(shù)據(jù)計(jì)算系統(tǒng)。
公布出來之后立即引發(fā)網(wǎng)友熱議。
與之前不同的是,這次不是“PyTorch真香”現(xiàn)場(chǎng),主題變成了吐槽TensorFlow。
吐槽TensorFlow現(xiàn)場(chǎng)
在Reddit上的機(jī)器學(xué)習(xí)板塊,這一話題已經(jīng)有了200熱度,獲得80條評(píng)論。
其中排名第一的評(píng)論就是:
TensorFlow一直讓人頭疼,所以很高興看到這么快就采用PyTorch。
到底如何頭疼?也有不少網(wǎng)友給出了解釋:
Tensorflow 1.0兼容性差
名為“bunny113”的網(wǎng)友評(píng)論稱:
從GitHub repo中獲取的Tensorflow 1.0代碼,在其他版本上不起作用。
所以,我現(xiàn)在只用PyTorch。我喜歡它的動(dòng)態(tài)性,而不是Tensorflow的靜態(tài)性。
不斷變化令人頭疼
關(guān)于TF,讓我頭疼的一件事是不斷變化。最初你必須從頭構(gòu)建模型,然后出現(xiàn)了TF.estimator (TF.layers) API,現(xiàn)在TF.keras將成為TF 2.0(以及將 TF.layers 標(biāo)記為 legacy)中的標(biāo)準(zhǔn)。
也有網(wǎng)友有更加深刻的體會(huì):
TensorFlow現(xiàn)在絕對(duì)是一場(chǎng)災(zāi)難。微小的版本增量,就會(huì)在我的代碼中觸發(fā)幾十個(gè)棄用警告。
此外,還有其他各種各樣的問題,比如TensorFlow很難調(diào)試、掌握門檻高等等等等。
吐槽現(xiàn)場(chǎng)鏈接:
https://www.reddit.com/r/MachineLearning/comments/chx7bq/d_one_simple_graphic_researchers_love_pytorch_and/
Tensorflow的優(yōu)勢(shì)之處
盡管有那么多人吐槽,也并不意味著TensorFlow沒優(yōu)點(diǎn),PyTorch非常完美。
需要注意的是的,這一數(shù)據(jù)來源是arXiv.org提交的預(yù)印版論文,群體幾乎全是研究人員。
有網(wǎng)友發(fā)問:
研究人員也可能關(guān)心性能基準(zhǔn)測(cè)試,有人關(guān)注在它們?cè)谟布嫒菪院蛢?yōu)化,云支持(谷歌Colab)等方面的表現(xiàn)嗎?
當(dāng)然有,名為”muntoo“網(wǎng)友在評(píng)論區(qū)中表示:
我使用Tensorflow的主要原因,是Google提供了針對(duì)其他平臺(tái)(例如Android)的集成。
確實(shí),這是Tensorflow的優(yōu)勢(shì),也是PyTorch需要改進(jìn)的方面。
就在最近,TensorFlow還推出了一個(gè)新的圖像分割教程,使用的是U-Net風(fēng)格的架構(gòu)(和一個(gè)預(yù)訓(xùn)練的MobileNet),鏈接地址:
https://www.tensorflow.org/beta/tutorials/images/segmentation
不過,F(xiàn)ast.ai創(chuàng)始人Jeremy Howard在Twitter上表示,因?yàn)樯疃葘W(xué)習(xí)是一個(gè)非常新的商業(yè)領(lǐng)域,業(yè)界與學(xué)界聯(lián)系非常密切。PyTorch在研究人員中的使用大幅增長(zhǎng),也預(yù)示著今年會(huì)有越來越多的公司采用PyTorch。
你覺得呢?



