2019 王者之爭：與 Tensorflow 競爭白熱化，進擊的 PyTorch 贏在哪里？

大數據文摘出品

來源：thegradient

編譯：張大筆茹、曹培信、劉俊寰、牛婉揚、Andy

2019年，機器學習框架之爭進入了新階段：PyTorch與TensorFlow成為最后兩大玩家，PyTorch占據學術界領軍地位，TensorFlow在工業界力量依然強大，兩個框架都在向對方借鑒，但是都不太理想。

最后誰能勝出？還得看誰更好的回答幾個關鍵問題。

來自康奈爾大學的Horace He剛剛在Gradient發布了一篇長文探討2019年的兩大機器學習框架之爭，他論述了PyTorch和TensorFlow各自的優劣和發展趨勢，但是很明顯更看好PyTorch，特別是其在學術領域起到的驅動作用。

剛好，今天也是PyTorch 1.3發布的日子，最新的版本增加了更多工業方面的能力，量化還有終端支持。PyTorch官方稱還將啟動許多其他工具和庫，以支持模型的可解釋性，并將多模式研究投入生產。

PyTorch 1.3發布官方鏈接：

https://PyTorch.org/blog/PyTorch-1-dot-3-adds-mobile-privacy-quantization-and-named-tensors/

機器學習的未來你更看好PyTorch還是TensorFlow呢？也歡迎留言告訴我們。

沒有Python。運行Python對服務器的開銷太大了；

移動。你不能在移動終端二進制文件中嵌入Python解釋器；

服務。需要包羅萬象的功能：不用停機更新的模型，在模型之間無縫切換，批處理在預測時間，等等。

研究者偏好對產業的影響有多大？隨著當前一批博士研究生開始畢業，他們也許會帶上用慣的PyTorch。這種勢頭是否足夠明顯，以至于公司會選擇PyTorch用于招聘的條件？同時畢業生會在PyTorch的基礎上創業嗎？

TensorFlow的Eager模式在可用性上能趕上PyTorch嗎？就網上的反應來看，TensorFlow Eager嚴重受到性能/內存方面問題的困擾，而且Autograph也有自己的問題。谷歌將花費大量的工程努力，但TensorFlow還是背負著歷史包袱

PyTorch滿足產業需求的速度有多快？PyTorch還有許多沒有解決的基本問題——沒有好的量化支持、不支持移動等等。在這些問題得到解決之前，PyTorch甚至不會成為許多公司的選擇。PyTorch能否為企業提供一個足夠吸引人的故事來進行轉型？注意：PyTorch已經宣布支持量化和移動。雖然兩者都還處于試驗階段，但代表了PyTorch在這方面的重大進展。

谷歌在行業中的孤立會傷害TensorFlow嗎？谷歌推動TensorFlow的主要原因之一是幫助其蓬勃發展的云服務。由于谷歌試圖擁有整個機器學習垂直領域，這促使谷歌與之競爭的公司(如微軟、亞馬遜、Nvidia)支持只能支持PyTorch。

https://thegradient.pub/state-of-ml-frameworks-2019-PyTorch-dominates-research-TensorFlow-dominates-industry/?nsukey=RG9rAFcvX0owsip%2BviuAbdWRIFSgV1Yvu7Oj6KhVNWWGEpmoUHaDqlPyjAOIGgCho%2B2PznlO1KQYW8u9DRdYlPaILzqUApS1GAhmL3M0gzBGeyCQhOpiftWASSZTR1xaNMzV7VwTuLvCfUyjKAw1TyuzeOQxF8yhnIiuGJcRdthH7JX%2FaOLMtMfgaiDs0TuIDe5lMlcmhRZtnAg3YP30gg%3D%3D

人工智能

版權聲明：本文內容由網絡用戶投稿，版權歸原作者所有，本站不擁有其著作權，亦不承擔相應法律責任。如果您發現本站中有涉嫌抄襲或描述失實的內容，請聯系我們jiasou666@gmail.com 處理，核實后本網站將在24小時內刪除侵權內容。

版權聲明：本文內容由網絡用戶投稿，版權歸原作者所有，本站不擁有其著作權，亦不承擔相應法律責任。如果您發現本站中有涉嫌抄襲或描述失實的內容，請聯系我們jiasou666@gmail.com 處理，核實后本網站將在24小時內刪除侵權內容。