本文經AI新媒體量子位（公眾號ID:QbitAI）授權轉載，轉載請聯系出處。

“對于Python而言，為什么TensorFlow正在慢慢死去？”

這篇觀點尖銳的文章一出，就被LeCun的轉發推向風口浪尖：

還能為啥，當然是因為PyTorch啊。

緊接著“PyTorch和TensorFlow誰更好？”這個經久不息的論戰再次被掀起，網友們也紛紛開始從文章中找到共鳴、或予以反駁。

有TensorFlow深度使用者現身說法：現在我改用PyTorch了。

但也有嘗試過好幾種框架的網友表示：TensorFlow和Keras做快速實驗更方便，而且TensorFlow看起來對Apple M1 GPU支持更好。

當然，在這里面也出現了一些獨特的聲音：

JAX不比這兩個框架好多了？

所以，文章作者究竟是如何得出這一結論的？

“PyTorch統治學術論文”

這篇文章的作者Ari Joury，是法國索邦大學的粒子物理學博士生，但對將AI和機器學習方法應用在粒子物理學探索上很感興趣。

作為一個Python愛好者，她在接觸兩種框架時察覺到了二者的區別。

好奇哪種框架目前關注度更高，她便對Stack Overflow上3種主流框架Keras、TensorFlow和PyTorch進行了一個統計：

簡單來說，就是TensorFlow關注度更高，Keras陷入停滯甚至下降，而PyTorch雖然起步較晚，但這兩年一直呈現關注度穩定上升的趨勢。

（不過，也有網友認為文章中用Stack Overflow數據做論據，根本不能算是統計框架的“受歡迎度”，反而只能證明這些框架“讓人困惑的程度”）

那么，為什么會得出“對Python愛好者來說，TensorFlow關注度會繼續下降”這一結論？

Ari Joury給出了幾大理由。

其一，PyTorch用起來“更Python”。

Ari Joury表示，她使用Python編寫TensorFlow框架的工作量，可能是PyTorch的兩倍，此外后者編寫代碼的感受比TensorFlow更自然。

其二，PyTorch可用模型更多，且更適合學生和研究者使用。

據統計，在HuggingFace中，85%的大模型框架是用PyTorch實現的。

剩余的框架中，除了多個框架實現以外，只有8%的大模型框架是通過TensorFlow實現的。

這意味著PyTorch在AI大模型研究者中受歡迎程度更高。

不止大模型，使用PyTorch實現論文研究框架的人，變得越來越多。

這一觀點也在Papers with Code網站統計上得到了印證。

在代碼開源的那些論文研究中，單從框架使用率來看，這4年來PyTorch占比正急劇上升。

PyTorch從最初和TensorFlow持平，到如今遠超TensorFlow、穩定成為使用率第一（占比62%）的框架，相比之下TensorFlow占比只有4%：

其三，PyTorch的生態發展更快。

雖然目前TensorFlow在生態體系上發展比PyTorch更好，但從PyTorch使用增長情況來看，這一趨勢將在不久的將來得到逆轉。

當然，TensorFlow自身也有一些不可取代的優勢，例如部署更方便（類似TensorFlow Serving和TensorFlow Lite的工具很多）、以及對其他語言的支持更好等。

畢竟目前對于JavaScript、Java、C++、Julia和Rust等語言來說，TensorFlow還是更好的選擇。

PyTorch則基本以Python為中心，即使有個C++ API，但其他語言的整體支持仍然比不上TensorFlow。

因此Ari Joury最終認為，這兩個框架的選擇，很大程度上取決于用戶對Python的喜愛程度。

所以，那些AI大牛們又是怎么站隊的呢？

AI大牛們選擇哪些框架？

除了Yann LeCun一直是PyTorch的深度支持者以外（畢竟是Meta的人），不少AI大牛也都表態過自己更看好的框架。

至少在幾年前TensorFlow推出2.0的時候，“TF2.0和PyTorch誰更好”這個話題就已經開始了。

當時，前Kaggle總裁兼首席科學家、fast.ai創始人Jeremy Howard，更看好PyTorch框架。

Keras創始人Fran?ois Chollet，則在這個話題中投了TensorFlow一票，當時他認為PyTorch會走向下坡路。

至少在2020年的時候，他的觀點依舊如此：“如果你是PyTorch粉絲，我的工作與你無關。”

但如今來看，PyTorch依舊保持一個活躍的狀態。

你更看好哪個深度學習框架呢？