资讯
2019-11-18 16:02:25 来源:艾崴安检
[摘要]近日,Reddit的一则热帖引发机器学习社区大量讨论:
NeurIPS 2019使用的机器学习框架:PyTorch 68-> 166,TensorFlow 91-> 74
帖主Horace He是康奈尔大学的学生,他的研究兴趣是编译
近日,Reddit的一则热帖引发机器学习社区大量讨论:
NeurIPS 2019使用的机器学习框架:PyTorch 68-> 166,TensorFlow 91-> 74
帖主Horace He是康奈尔大学的学生,他的研究兴趣是编译器和机器学习的交叉。他分析了 NeurIPS 2019论文使用的机器学习框架,发现相比2018年,今年使用PyTorch的论文从68篇增加到166篇,使用TensorFlow的从91篇减少到74篇。
从篇数上看,相比2018年,使用PyTorch的论文大幅增加,而TensorFlow略有下降
在所有提及TensorFlow/PyTorch的论文中,PyTorch占了69%
这印证了他的在上个月写了一篇题为《2019年机器学习框架的状态》的文章,指出PyTorch的增长在研究领域已经大幅超越TensorFlow,研究人员正在放弃TensorFlow并大量涌向PyTorch。同时,在工业界,Tensorflow当前仍然是首选框架,但长期来看可能并非如此。
这篇全面分析比较PyTorch和Tensorflow的增长的文章当时引起热议,但有人质疑:这些结果是否只适用于NLP会议?
现在,从NeurIPS会议的分析结果来看,答案是否定的。
也有人仍然认为动态图/PyTorch只在NLP社区中流行。很显然,事实并非如此。
从这些分析结果来看,PyTorch在深度学习研究,包括机器学习、计算机视觉和自然语言处理各领域都占据了主导地位,这点Yann LeCun也同意。
Yann LeCun:NeurIPS19论文使用深度学习框架中,超过69%提到了PyTorch。PyTorch在深度学习研究(ML/CV/NLP会议)中占据了主导地位。
实线是PyTorch,虚线是TensorFlow
上图可以看出,各大ML/CV/NLP的顶会上,采用PyTorch的论文持续大幅增长,而TensorFlow增速减缓,甚至略有下降。
实线是PyTorch,虚线是TensorFlow
考虑到各大顶会录取论文数量年年增长,只看绝对数量不能完全反映实际。上图是采用PyTorch/TensorFlow的论文相对总论文数量的百分比,可以更明显地看出这一趋势。
Reddit网友:从TensorFlow转PyTorch,真香
造成这一趋势的原因是什么?PyTorch真的那么好用,足以让一大批研究人员放弃TensorFlow涌向PyTorch吗?
从Reddit网友的评论来看,改用PyTorch的一致表示“真香”:
过去两年我一直使用Keras/TF,直到最近我才改用PyTorch。现在我真的很喜欢PyTorch,我觉得它更简洁明了。只是我个人的看法。
我喜欢使用PyTorch来设计带有怪异的训练、反向传播图和其他内容的新模型。我觉得使用PyTorch,即使你不能快速部署标准模型,也可以更自由地设计自己的自定义算法。也许这就是为什么它主要用于研究。
我使用Tensorflow/Keras已经有一段时间了。我记得的结论是,Tensorflow在生产部署方面更出色,PyTorch在研究中表现更好。我最近开始使用PyTorch,不得不说我真的很喜欢它,感觉它更“pythonic”。此外,通过诸如ONNX之类的框架,部署(众所周知的模型)也开始变得不成问题。两者我都会继续使用。
Tensorflow 2.0 vs PyTorch是一个艰难的选择。
价格:¥0.00
价格:¥0.00