PyTorch和TensorFlow哪个更受欢迎?
极客时间编辑部
讲述:丁婵大小:3.88M时长:02:50
日前,康奈尔大学研究生贺拉斯(Horace He)总结了 2019 年机器学习框架状况。贺拉斯认为,PyTorch 正迅速成为研究领域的主要框架,而部署在商业 / 工业环境的应用程序中,占据主导地位的则是 TensorFlow。
贺拉斯统计了机器学习领域知名会议上使用 PyTorch 或 TensorFlow 的论文数量,从数据来看,2019 年重要会议上发表的大多数论文都是用 PyTorch 实现的。其中,在视觉相关的会议上,用 PyTorch 与用 TensorFlow 的论文比例为 2:1。在自然语言相关的会议上,这个比例为 3:1。在一般的机器学习会议上发表的论文中,PyTorch 被引用的次数更多。
与 TensorFlow 相比 ,PyTorch 取得进展的原因包括以下三点:
简洁性、简单的用法;
直观的 API;
可以接受的性能。
不过,从招聘岗位、GitHub 受欢迎程度、媒体文章数量等行业采用情况来看,TensorFlow 仍然处于领先地位。贺拉斯认为工业界较少使用 PyTorch 主要有两方面原因:首先,很多公司会尽可能地避免 Python 运行时的开销。其次,它缺乏围绕服务相关的功能,也就是说,用 PyTorch 系统比用 TensorFlow 开发的等效系统更难产品化。
在过去的一年中,PyTorch 和 TensorFlow 在很多方面都变得趋于相同了。PyTorch 引入了 TorchScrip 和 JIT 编译器,TorchScript 本质上是 PyTorch 的图形化表示,从代码中获取图形意味着我们可以在 C++ 中部署模型并进行优化。而 TensorFlow 宣布将从 2.0 版本开始转向执行的 Eager 模式,Eager 模式提供了一个命令式编程环境,可以立即评估操作,无需构建图形。在优缺点方面,它和 PyTorch 的 Eager 模式类似,它有助于调试,但是,模型无法导出到 Python 之外进行优化以及在移动设备上运行等等。
未来,这两个框架会比现在更加接近。新的竞争者可能会在代码生成或高阶微分等领域挑战它们。目前已知的潜在竞争者是 JAX,它由流行的 Autograd 项目的开发者构建,并具有正向和反向模式自动微分的特性。这样可以计算出更高阶的导数,比 PyTorch / TensorFlow 可以提供的数量级更快。
以上就是贺拉斯关于 PyTorch 以及 TensorFlow 的思考,希望对你有所帮助。
公开
同步至部落
取消
完成
0/2000
荧光笔
直线
曲线
笔记
复制
AI
- 深入了解
- 翻译
- 解释
- 总结
该免费文章来自《极客视点》,如需阅读全部文章,
请先领取课程
请先领取课程
免费领取
© 版权归极客邦科技所有,未经许可不得传播售卖。 页面已增加防盗追踪,如有侵权极客邦将依法追究其法律责任。
登录 后留言
全部留言(1)
- 最新
- 精选
- 完美世界pt适合研究,tf适合工业应用。
收起评论