PyTorch一年增进194%，兼容性更强，逾越TensorFlow指日可待

看样子，PyTorch凌驾TensorFlow指日可待了。

这个结论，来自于如许的数据：

2019年1月到6月尾，在arXiv.org上宣布的论文中，说起TensorFlow和PyTorch的数目相差无几，PyTorch仅稍稍落伍。

但最症结的在于增进速度：与2018年1月到6月比拟，PyTorch增进了194%。比拟之下，TensorFlow的增进幅度仅为23%。

一方面有充足的基数，另一方面又有充足的增速，PyTorch已具有凌驾TensorFlow的能够性。

数据来自于RISELab——隶属于加州大学伯克利分校的研究机构，目的是研发下一代大数据盘算体系。

公布出来以后马上激发网友热议。

与之前差别的是，此次不是“PyTorch真香”现场，主题变成了吐槽TensorFlow。

吐槽TensorFlow现场

在Reddit上的机械进修板块，这一话题已有了200热度，取得80条批评。

个中排名第一的批评就是：

TensorFlow一直让人头疼，所以很愉快看到这么快就采纳PyTorch。

究竟怎样头疼？也有不少网友给出了诠释：

Tensorflow 1.0兼容性差

名为“bunny113”的网友批评称：

从GitHub repo中猎取的Tensorflow 1.0代码，在其他版本上不起作用。

所以，我如今只用PyTorch。我喜好它的动态性，而不是Tensorflow的静态性。

不停变化使人头疼

关于TF，让我头疼的一件事是不停变化。最初你必需重新构建模子，然后涌现了TF.estimator (TF.layers) API，如今TF.keras将成为TF 2.0（以及将 TF.layers 标记为 legacy）中的规范。

也有网友有越发深入的体味：

TensorFlow如今相对是一场灾害。细小的版本增量，就会在我的代码中触发几十个弃用正告。

另外，另有其他林林总总的题目，比方TensorFlow很难调试、控制门坎高等等等等。

吐槽现场链接：

https://www.reddit.com/r/MachineLearning/comments/chx7bq/d_one_simple_graphic_researchers_love_pytorch_and/

Tensorflow的上风的地方

只管有那末多人吐槽，也并不意味着TensorFlow没长处，PyTorch异常圆满。

须要注重的是的，这一数据泉源是arXiv.org提交的预印版论文，群体险些满是研究人员。

有网友提问：

研究人员也能够体贴机能基准测试，有人关注在它们在硬件兼容性和优化，云支撑（谷歌Colab）等方面的表现吗？

当然有，名为”muntoo“网友在批评区中示意：

我运用Tensorflow的主要原因，是Google供应了针对其他平台（比方Android）的集成。

确切，这是Tensorflow的上风，也是PyTorch须要革新的方面。

就在近来，TensorFlow还推出了一个新的图象支解教程，运用的是U-Net作风的架构(和一个预练习的MobileNet)，链接地点：

https://www.tensorflow.org/beta/tutorials/images/segmentation

不过，Fast.ai创始人Jeremy Howard在Twitter上示意，由于深度进修是一个异常新的贸易范畴，业界与学界联络异常亲昵。PyTorch在研究人员中的运用大幅增进，也预示着本年会有越来越多的公司采纳PyTorch。

你以为呢？

作者系网易消息·网易号“各有立场”签约作者