编辑：蛋酱

在2021年的各大顶会中 ， 使用PyTorch的论文数量已经是使用TensorFlow的至少3倍以上 ， 而这一差距还在持续扩大 。

文章图片

从早期的学术框架 Caffe、Theano ， 到后来的PyTorch、TensorFlow ， 自 2012 年深度学习再度成为焦点以来 ， 很多机器学习框架成为研究者和业界工作者的新宠 。
2018 年底 ， 谷歌推出了全新的JAX框架 ， 其受欢迎程度也一直在稳步提升 。 很多研究者对其寄予厚望 ， 希望它可以取代 TensorFlow 等众多深度学习框架 。
不过 ， PyTorch 和 TensorFlow仍是ML框架领域的两大实力玩家 ， 其他新生框架的力量暂时还无法匹敌 。 而PyTorch 和 TensorFlow之间则是此消彼长的关系 ， 力量对比也在悄悄发生着变化 。
2019年10月 ， 康奈尔大学本科生、曾在PyTorch 团队实习的Horace He曾对PyTorch 和 TensorFlow在学界的使用情况进行了数据统计 。 结果显示 ， 研究者已经大批涌向了 PyTorch ， 不过当时看来 ， 业界的首选仍然是 TensorFlow 。
如下图所示 ， 从2019年中期开始 ， 在统计的各大顶会中 ， PyTorch从使用率指标上就已完成了对TensorFlow的反超 。

文章图片

数据收集时间：2019年10月 。
当时的开发者社区曾热议：未来 ， 谁能在 ML 框架之争中迎来「高光时刻」？两年后 ， Horace He再次给出了更新后的统计结果 。
截止目前 ， EMNLP、ACL、ICLR三家顶会的PyTorch的占比已经超过80% ， 这一占比数字在其他会议中也都保持在70%之上 。 短短两年间 ， TensorFlow的生存空间又大幅缩小 。

文章图片

PyTorch 在学界的「超车」
具体到每一家顶会 ， 作者也在图表中展示了详细数据：
以CVPR为例 ， 在CVPR 2018之前 ， TensorFlow的使用率还高于PyTorch ， 而在下一年 ， 局势立即逆转 。
CVPR 2019的PyTorch使用率为22.72%（294篇） ， TensorFlow的使用率变为11.44%（148篇）；到了CVPR 2020 ， 这两个数字分别变成了28.49%（418篇）和7.7%（113篇） 。

文章图片

在ICML、ICLR、NeurIPS这些会议中 ， 依旧是同样的竞争形势：

文章图片


文章图片

PyTorch一骑绝尘 ， TensorFlow则持续下跌 。 在ICLR 2022中 ， PyTorch使用率为32.20%（1091篇） ， TensorFlow跌到了6.14%（208篇） ， 拉开了五倍的差距 。

文章图片

TensorFlow 在学界还有未来吗？
所以 ， 退守一方的TensorFlow ， 怎么就到了今天这个地步？
在Hackrnews社区 ， 这一话题引发了开发者的热议：
「在学术出版中 ， 能够将你的工作与 SOTA 进行比较是非常关键的 。 如果你所在地区的其他人都使用某个框架 ， 那么你也应该这样做 。 过去几年 ， Pytorch是我关注最多的框架了 。 」
「但Tensorflow 的一个亮点是静态图表 。 随着模型变得更加密集 ， 并且需要不同的部分并行执行 ， 我们在 PyTorch 的运行模型中看到了一些挑战 。 」