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)
