一年不算短，但也不算長(zhǎng)。一年時(shí)間，可以讓Swift從11位跌倒13位，也可以讓PyTorch從第4位飆升194%至第2位！

PyTorch狂漲194%，逼近TensorFlow份額

UC伯克利RISELab的在讀博士Caroline Lemieux，分享了他們團(tuán)隊(duì)收集的深度學(xué)習(xí)框架和數(shù)據(jù)科學(xué)庫(kù)使用情況的統(tǒng)計(jì)數(shù)據(jù)。O'Reilly Media的首席數(shù)據(jù)科學(xué)家Ben Lorica根據(jù)RISELab團(tuán)隊(duì)的數(shù)據(jù)，做了一張圖：

圖中可以看到，TOP 3框架在過(guò)去一年中均有增長(zhǎng)。表現(xiàn)最為亮眼的PyTorch在過(guò)去的一年里增速高達(dá)194%，成功超越Keras和Caffe，直逼第一名TensorFlow。

當(dāng)了多年老大的TensorFlow只有23%的增長(zhǎng)，低于第三名Keras的26%。而第四名Caffe不增反降，跌了29%。

除了份額外，從上圖中的增長(zhǎng)曲線還可以看出，PyTorch從去年開(kāi)始發(fā)力，在今年第一季度獲得了一個(gè)非常陡的增長(zhǎng)曲線，甚至幾度超越TensorFlow。

不知道TF有沒(méi)有感覺(jué)到背后的寒意。

Reddit網(wǎng)友的吐槽或許也能從一個(gè)層面，反映出為什么使用人數(shù)最多的TensorFlow反而不受待見(jiàn)、新晉黑馬PyTorch卻備受擁戴的個(gè)中緣由：

probablyuntrue：TensorFlow太讓人抓狂了，PyTorch比TF好太多！

bunny113：TF簡(jiǎn)直翔一樣！我從GitHub上“偷”的1.0代碼，在其他版本上都用不了，PyTorch比TF好太多！

yusuf-bengio：TF的常量老變來(lái)變?nèi)サ模瑹┧懒耍yTorch比TF好太多！

mexiKobe：老變就是因?yàn)閺牡讓泳陀新┒床坏貌恢貥?gòu)啊。PyTorch比TF好太多！

ML_me_a_sheep：TF背后絕對(duì)是一幫天才。他們并不是像你們說(shuō)的那樣胡搞瞎搞，TF很好的貼合了谷歌的需求，并不是我們這幫凡夫俗子能夠完全理解的。所以，我用PyTorch。PyTorch比TF好太多！（這位sheep請(qǐng)你坐下！）

rjurney：連個(gè)像樣的tf.keras文檔都沒(méi)有。PyTorch比TF好太多！

…

不知道TF有沒(méi)有再次感覺(jué)到背后的寒意。

不過(guò)整體來(lái)看，排名和去年相比變化不大。前四依然被TensorFlow、PyTorch、Keras和Caffe牢牢把持；MXNet超越了Theano上升了一位。

數(shù)據(jù)權(quán)威性和科學(xué)性

數(shù)據(jù)來(lái)源

據(jù)悉，RISELab團(tuán)隊(duì)使用的數(shù)據(jù)，是基于知名電子出版服務(wù)arXiv.org上所發(fā)布論文的簡(jiǎn)單全文搜索結(jié)果進(jìn)行統(tǒng)計(jì)的。

也就是說(shuō)，這個(gè)數(shù)據(jù)反映了每個(gè)框架在論文的全文中被提及的數(shù)量。搜索結(jié)果顯示，最受論文作者們歡迎的深度學(xué)習(xí)框架是TensorFlow和PyTorch。

從2019年1月到6月底，大約1800篇論文提到了TensorFlow，而PyTorch被提及的數(shù)量和TensorFlow差距不大。

Lorica認(rèn)為，在某種程度上，研究人員和高校教師所使用的工具都是非常前衛(wèi)的，并且能夠強(qiáng)烈影響未來(lái)專業(yè)人士的框架使用情況，PyTorch和TensorFlow將在未來(lái)成為企業(yè)的首選。

發(fā)布機(jī)構(gòu)

該數(shù)據(jù)的發(fā)布機(jī)構(gòu)RISELab，前身是大數(shù)據(jù)領(lǐng)域世界頂尖的實(shí)驗(yàn)室之一、UC伯克利大學(xué)的AMPLab。AMPLab曾推出過(guò)多項(xiàng)世界知名技術(shù)，比如Apache Spark、Apache Mesos和Alluxio。

AMPLab是加州大學(xué)伯克利分校一個(gè)為期五年的計(jì)算機(jī)研究計(jì)劃，初衷是使用數(shù)據(jù)去訓(xùn)練更加豐富的模型，從而理解人和機(jī)器如何進(jìn)行合作以解決數(shù)據(jù)中的問(wèn)題，包括有效的數(shù)據(jù)清理、進(jìn)行可衡量的數(shù)據(jù)擴(kuò)展等。

AMPLab在2017年年底被關(guān)閉，接任者RISELab專注于提供SRDS，即安全實(shí)時(shí)的決策堆棧。RISELab團(tuán)隊(duì)的任務(wù)是將大數(shù)據(jù)分析推向一個(gè)更深度的次元，在這個(gè)次元中，傳感器無(wú)所不在，AI是真實(shí)可觸碰的、世界是可編程的。

RISELab是UC伯克利最新的五年期項(xiàng)目，有著強(qiáng)力的財(cái)政支持，將聚焦于提供安全執(zhí)行的實(shí)時(shí)人工智能系統(tǒng)。

企業(yè)方面的調(diào)查結(jié)果卻有點(diǎn)不一樣

最近O'Reilly也發(fā)布了一份有關(guān)機(jī)器學(xué)習(xí)框架使用情況的調(diào)查，有超過(guò)1300名行業(yè)人士返回了有效結(jié)果。

這份調(diào)查面向的不是學(xué)術(shù)界，而是企業(yè)。結(jié)果顯示，其中近半數(shù)受訪者稱在使用TensorFlow或scikit-learn，而使用PyTorch有29%，Keras略高達(dá)到34%。

Keras作者Fran?ois Chollet認(rèn)為，Keras的使用在產(chǎn)業(yè)界和整個(gè)數(shù)據(jù)科學(xué)圈中最占主流，產(chǎn)業(yè)既包括大公司也包括創(chuàng)業(yè)公司。不過(guò)，在研究社區(qū)，Keras的份額要小很多。這或許就是在企業(yè)中Keras的份額仍然高于PyTorch的原因之一。

在你爭(zhēng)我搶，合縱連橫之下，中國(guó)的開(kāi)源框架，什么時(shí)候才能在這樣的排名上擁有自己的姓名呢？