機器學習調查 TensorFlow 業界得第一,但 PyTorch 來勢洶洶

作者 | 發布日期 2019 年 10 月 14 日 17:01 | 分類 AI 人工智慧 Telegram share ! follow us in feedly


對於不少企業來說,AI 是近期的大議題,而從頭打造相當費工,因此用用既有的機器學習框架就很重要了。關注以及推廣普及機器學習的線上雜誌 The Gradient,近期出了機器學習生態調查文章,指出儘管 TensorFlow 出來的早,受到業界的普遍採用,但是 PyTorch 因學術界開始大量採用,將有機會後來居上取代 TensorFlow 的霸主機會。

The Gradient 先從機器學習的重要學術會議,看機器學習框架的投稿比率,結果發現 PyTorch 被提及的次數越來越多,呈穩定上升趨勢。在 2018 年 PyTorch 還不成氣候,如今來到 2019 年大幅成長,TensorFlow 在各大會議投稿狀況,論文中被提及的次數大多是下降狀況。

PyTorch 有三大好處:簡單、很好的 API、效能好,因此在相對資料較小的研究社群當中,很快被運用。TensorFlow 背後儘管是 Google,但因為開始有不少研究社群的人採用 PyTorch,就連 Google 內部的研究員也想要嘗試不是自家的 PyTorch。

TensorFlow 面臨相當大的考驗,因此要看 Google 下一版 TensorFlow 2.0 狀況,能否吸引研究者目光,提供夠快速驗證研究者的研究想定。TensorFlow 因為是 Google 推出的機器學習框架,受到 Google 以及 DeepMind 當中的研究者青睞,但難保因為學術社群偏好 PyTorch,持續用 TensorFlow 導致 Google 研究員因工具選擇而遠離相關學術討論。

而在職缺數目和 GitHub 的打星方面,2018 到 2019 年 TensorFlow 略多過 PyTorch,分別是 1541 和 1473 筆職缺,打星則是 PyTorch 比較多,1.37 萬比上 TensorFlow 的 0.72 萬打星。

The Gradient 指出業界狀況來說仍然是採用 TensorFlow 為主,因為 TensorFlow 推出來的時間比較早,而且 TensorFlow 對大資料集的處理比較好,佈署在商業環境下具備產品化條件,業界往往也更重視穩定性和效能而用 TensorFlow。

PyTorch 推出即時編譯器 (JIT Compiler) 和 TorchScript 功能解決效能問題,以及增加處理圖像功能,TensorFlow 2.0 版本能否滿足使用者詬病的問題,都會是關注機器學習框架之爭的人之後討論的話題。另外,PyTorch 能否走到產品佈署的那一步,被有機器學習應用需求的公司採用,也是值得觀察的地方。

(首圖來源:Pixabay)

關鍵字: ,