最新TensorFlow能碾压PyTorch？两大深度学习框架最全比拼

编辑：元子

TensorFlow是毫无争议的深度学习框架重量级冠军，而PyTorch是年轻的后起之秀，赢的了不少人的青睐。

最近TensorFlow在3月4日发布了2.0公测版，增加了新功能。改善了用户体验，更加紧密地集成了Keras作为其高级API。这一版本和1.x相比，改动相当大，以至于你需要迁移代码库。Google自己也一样需要做同样的事情，所以他们特意出了一套官方的迁移指南，甚至还开发了工具来帮助简化迁移代码的工作量。听起来真是让人头秃。

PyTorch v1.0和fastai v1.0都是在2018年10月发布的，这两个版本标志着框架成熟的重要里程碑。Facebook也刚刚开源了大规模图嵌入系统PyTorch-BigGraph，而且因为TensorFlow有些激进的升级，导致给PyTorch送了一波新粉丝。

所以2019年，到底TensorFlow能够继续稳坐冠军宝座，或是被PyTorch超越？为了找出这个问题的答案，数据科学家、Rebel Desk的COO、Medium优秀作者Jeff Hale查看了Indeed  Monster、LinkedIn和SimplyHired上的职位列表数量、评估了Google搜索量、GitHub活跃度，Medium文章、ArXiv论文和Quora主题关注者的变化，从多个维度对二者进行了对比，可以说是非常具有说服力了。

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。