TensorFlow 2.0正式宣布正式发布没几天，PyTorch 1.3那时也上架了。
两个狂热特别强调“可用性”，两个塞里西了终端端布署。小将和明日之星都弗泽莱县。
即便，机器学习架构的当今世界，情势变动过分十分迅速，稍不特别注意就会被抢了寨外。
一年前，TensorFlow却是各大顶会学术论文优先选择的非主流架构，现如今顶会基本上成了PyTorch的四海。
CVPR 2019，只提及PyTorch的学术论文有280篇，只提及TensorFlow的学术论文有125篇，但这还并非旗鼓相当最小的这场全会。
有网民 (@programmerChilli) 说，虽然晓得数以万计人类学家逃出TF亲吻PT：
但我当然居然跌幅能到此种境地。
所以，PyTorch的竞争优势究竟在这儿？
PyTorch一路上无言，对TensorFlow经营方式十多年的新格局又有什么样的压制。
这一场，一名源自康奈尔大学的少女Horace He，用这份详细的调查报告，对现况展开了归纳，也为潜在性帕吕奥提供更多了路径：
PyTorch称霸学术界
调查报告结尾就提及：现阶段的大大背景是，大批科学研究相关人员从TensorFlow转投PyTorch。
但大家未必晓得，这势头来得多猛烈。来看2018年与2019年的各大顶会对比吧：
△
被挡住的ICML是32.5%
表格列出了CVPR、NAACL、ACL、ICLR、ICML这五大顶会上，仅提及PyTorch/仅提及TensorFlow的学术论文数量。
2018年，PyTorch五项数据全部低于TensorFlow。
2019年，PyTorch五个数字全部超越TensorFlow。
PyTorch每项数据的增幅，都在192%到450%之间，涨势十分凶猛。
其中，以自然语言处理(NLP) 的顶会NAACL (450%) 和ACL (290%) 最为显著；在视觉顶会CVPR上也有大幅增长 (240%) 。
相比之下，TensorFlow有三项数据下滑。其中NAACL数据下降幅度达到了38.2%，而这里正是PyTorch飞跃式增长的地方。
此消彼长，PyTorch只用了一年，便把弱势变成了压倒性竞争优势：
280:125 (CVPR) ，两倍有余。
66:21 (ACL) ，三倍有余。
103:33 (NAACL) ，三倍有余。
在语言和视觉顶会上，PyTorch的主导地位最明显。这跟上文提及的跌幅是吻合的。
如果还有人把PyTorch当做两个明日之星，试图在TensorFlow主导的当今世界里，划出一片自己的寨外，所以数据告诉他们，已经并非这样了。
尽管，看上去TensorFlow还有两项数据在增长，但其实只有ICML的跌幅 (32.5%) ，还跟得上全会总录取学术论文数的增长。
也就是说，在另外四场全会上，TensorFlow已经开始衰退了。
为何科学研究相关人员爱PyTorch？
一是简单。它和NumPy比较像，风格很Python，能轻易和Python生态集成起来。
比如，你只要把两个pdb断点扔进PyTorch模型里，它直接就能用了。
相比之下，在TensorFlow模型里面debug的话，便会复杂得多了。
二是API好。比起TensorFlow的API，大多数科学研究相关人员更偏爱PyTorch的API。PyTorch设计得更科学；而TensorFlow要在各种API之间切换，令人操作不便：
‘layers’ -> ‘slim’ -> ‘estimators’ -> ‘tf.keras’
三是性能。尽管PyTorch的动态图 (Dynamic Graphs) 提供更多的优化空间比较小，但许多用户都反馈说PyTorch的速度不亚于TensorFlow，甚至比对方还快。
尽管，没有严格测试数据表明究竟谁更快，但至少TensorFlow并没有明显的竞争优势。
这样，再加上前两点，足够让许多科学研究相关人员亲吻PyTorch了。
TensorFlow在科学研究领域会什么样？
就算今后TensorFlow变得像PyTorch一样友好，PyTorch的寨外也已经很大了。
这就是说，PyTorch的代码实现更容易找到，人们也更有动力发表PyTorch的代码给大家用，跟别人合作的话队友也可能会倾向PyTorch。
所以，迁回TensorFlow 2.0这件事，大概率不会进展很快。
当然，谷歌和DeepMind内部科学研究却是会用TensorFlow。他们的科学研究成果，大概也给了一部分科学研究相关人员，继续用TensorFlow的信心。
不过Horace He听说，谷歌内部也有许多科学研究相关人员，渴望逃出TensorFlow了。
另一方面，PyTorch主导地位越来越强，谷歌科学研究相关人员可能和整个社区之间产生隔阂：他们很难在外部科学研究的基础上搭建自己的应用，外面的科学研究相关人员也很难借鉴谷歌的代码。
最后，TensorFlow 2.0能不能挽回一些科学研究相关人员，还需要时间来观察。Eager Execution一定是个吸引人的点，而Keras API就不一定了。
TensorFlow守住产业界
尽管在各个开发者社区，“PyTorch真香”论声势浩大，现在又在顶会数据上实力压倒TensorFlow，但其实，在产业界，TensorFlow仍具竞争优势。
比如，根据Medium博主Jeff Hale的统计结果，2019年，TensorFlow在线上招聘启事中拥有1541个新增职位，而PyTorch有1437个。
从arXiv的学术论文数量来看，TensorFlow也仍然占据首位，只是领先竞争优势在缩小。
一方面，TensorFlow的诞生早于PyTorch，产业界对新鲜事物的追逐，不像学术界那样热切，使用TensorFlow已成行业惯性。
并且，许多企业的代码都是基于TensorFlow搭建的，想要迁移到PyTorch上，并非易事。
另一方面，相比于PyTorch，TensorFlow本身就是为产业界量身打造的。
相比于科学研究实验，产业界会有更多的限制和要求，比如：
· 不用Python。Python在服务器上运行时开销太大，有些公司承受不来。
· 可终端性。终端二进制文件中没法嵌入Python解释器。
· 服务。无停机更新，模型间无缝切换，可预测时间的批处理，等等等等。
TensorFlow在这些方面显然比PyTorch做得好得多。比如，训练好模型，然后使用TF Lite展开布署，是现阶段最可靠的生产管道之一。
有网民举了个例子：
TensorFlow能够将模型导出到coreml Android模型中，也能很容易地将其转移到GCP（谷歌云端平台）环境等任何形式的生产环境中。
相比之下，PyTorch的布署有些让人头秃：模型无法导出到非Python环境，无法优化，无法在终端设备上运行（随着PyTorch 1.3的正式发布，无法在终端端布署的问题已经得到解决）。
况且，TensorFlow还有Keras这个好伙伴呢。
不过，也有网民认为，PyTorch在产业界取得主导地位，只是时间问题。
即便在2018年的顶会上，TensorFlow却是非主流呢。仅仅一年时间，王座就已易主。
△
Medium博主Jeff Hale统计 “融合”趋势
PyTorch势头猛烈，但TensorFlow也没有坐以待毙。
两个有趣的现象是，现在，这两个机器学习架构呈现出了“融合”的趋势。
十一假期，TensorFlow 2.0正式宣布登场，进一步整合TensorFlow和Keras，增强可用性，官方表示，这是两个快速、可扩展、可投入生产的灵活而强大的平台。
Keras的作者François Chollet甚至说：“TensorFlow 2.0是两个源自未来的机器学习平台，它改变了一切。”
在默认的eager execution模式下，TensorFlow 2.0能提供更多PyTorch eager模式下的大部分有点，比如可用性、可调试性等。
并且，针对TensorFlow的API过分复杂这个问题，2.0版本也提供更多了更易用的API。模型的训练和serving都无缝集成在了基础架构中。
PyTorch这边，2018年底引入了JIT编译器和“TorchScript”，增加图形功能。
就在那时，PyTorch 1.3正式发布，新增终端端布署、量化和命名张量等功能。
机器学习架构未来的游戏规则会如何改变，还真令人期待呢。
FB谷歌双料实习生
最后，介绍下这份详细调查报告的作者：
Horace He，源自普林斯顿大学，是2016年入学的本科生。
自从上了大学，他每个暑假都在大厂实习：2017年是Facebook实习软件工程师，2018年是谷歌的实习软件工程师，2019年在Facebook做PyTorch实习生。
另外，少女却是VSCodeVim (标星6.2k) 的主要贡献者之一：
所以，TensorFlow和PyTorch，你会pick谁？
https://thegradient.pub/state-of-ml-frameworks-2019-pytorch-dominates-research-tensorflow-dominates-industry/
https://towardsdatascience.com/which-deep-learning-framework-is-growing-fastest-3f77f14aa318
大会启幕！预见智能科技新未来
量子位MEET 2020智能未来大会启幕，将携手优秀AI企业、杰出科研相关人员呈现这场高质量行业盛会！详情可点击图片：
榜单征集！三大奖项，锁定AI Top玩家
2019中国人工智能年度评选启幕，将评选领航企业、商业突破人物、最具创新力产品3大奖项，并于MEET 2020大会揭榜，欢迎优秀的AI公司扫码报名！
