深度栗 編譯整理

量子位 報道 | 公眾號 QbitAI

深度學習的世界，風雲變幻。

五年前，還是Theano稱霸的天下，如今完全不一樣的了。

所以，一個叫Jeff Hale的數據科學家，想全方位觀察一下，每個深度學習框架有多受歡迎，發現了很多有趣的現象。

先總體看一下，各個深度學習框架的武力值 (Power Scores) ：

TensorFlow的第一名無可爭辯，也是找工作所需技能首選，但依然有些數據出人意料。

比如，走出美國，最常用的框架就成了Keras。

比如，PyTorch的谷歌搜索量逼近Keras。

比如，FastAI框架正在迅速積累開發者。

選手依次介紹

這些框架都是開源的，除了一位選手之外，大家都支持Python，有些還支持R或其他語言。

谷歌系選手

TensorFlow是最重量級的選手，谷歌系。GitHub活躍度最高，谷歌搜索量最大，關於它ArXiv論文也最多。

使用TensorFlow的開發者數量也是最多的。

第二受歡迎的是Keras，幾乎每一項指標都是第二名。根據官方標語，它是「為人類設計，不是為機器設計的API」。

Keras是在TensorFlow、Theano或者NLTK上運行的。容易上手，新人之選。

Facebook系選手

第三名是PyTorch，Facebook系，也是獨立框架的第二名(Keras不獨立) 。它比TensorFlow出生要晚，但熱度增長很快。

PyTorch支持自定義(Customization) ，這一點TensorFlow是不行的。

第四名。Theano是蒙特利爾大學2007年開發出來的，也是最早強大起來的Python深度學習框架。

可是自從Joshua Bengio宣布停止更新不再維護，它就失去了許多擁躉。

MXNET排第五，來自Apache。不過，它的分數和Theano已經很接近了，隨時可能取代第四名。不過，去年報告顯示，MXNET用量有所下降。搜索量也不是很高。

來自微軟

第六名CNTK，是微軟發布的認知工具包。微軟為了和谷歌、Facebook競爭，推出了許多這樣的產品，但用戶並暫時不是很多。

Deeplearning4J第七。榜單中唯一不支持Python的框架，用的是Java。

即便如此，用戶還是可以把用Keras寫的模型導入DL4J。

這位選手，是中途加入比賽的，最初的榜單里並沒有它。Jeff選擇補上它，所以為它多累計了4天數據。

DL4J特殊的地方在於，用全稱和簡稱分別統計的數據，差異比較大。做法是統一選取較高的數據。但總體分數不高，所以對結果影響不大。

第八是FastAI，基於PyTorch搭建的新框架。API受到了Keras的啟發，要用更少的代碼得到更好的結果。

它出生沒多久，10月就要發布1.0版本了。FastAI接下來的課程，基本都會基於這個框架了。由於免費課程用戶量很大，Jeff看好框架今後的增長。

FastAI背後的大佬是Jeremy Howard，Kaggle前總裁，也曾經是冠軍Kaggler。

以上就是全部參賽選手，Caffe沒在裡面，因為進化成了Caffe 2，Caffe 2又並進PyTorch了。

比賽項目有哪些

招聘需求 (Job Listings)

和機器學習有關的工作崗位，要求用什麼框架？這個問題的答案里，TensorFlow的出鏡率最高。

這裡使用機器學習+框架名(如machine learning TensorFlow) 來統計的，Jeff發現這樣效果最好。

所以，找工作還是學TensorFlow吧。

用量 (Usage) ：出了美國，Keras是冠軍

這裡用了KDnuggets 2018年做的問卷調查，是向全球的數據科學家提問：

過去12個月，你用過什麼分析、大數據、數據科學以及機器學習軟體，來做項目？

答案如下。

有些意外的是，Keras的佔比超過20%，非常逼近TensorFlow了。

以及，TensorFlow在美國有壓倒性優勢，但在世界上的其他地方，Keras是最常用的。

谷歌搜索 (Google Search Activity)

觀察一個框架有多受歡迎，看搜索量也是個好方法。

這裡用的是過去一年的Google Trends。谷歌不提供絕對數據，只有相對數據。

百分制，TensorFlow拿到78分，排名第二的Keras只有38分。這是今年9月15日的數據。

不過，第三名PyTorch和第二名Keras相差無幾。

其他選手的搜索量，和前三名相比，幾乎可以忽略不計。

再看一下搜索值，在兩年時間內的變化：

前三名在16、17年都發生了迅速的增長，但近幾個月來都沒有很兇猛的漲勢。

另外，季節性變化也是有的，寒暑假搜索量會下降。

文章發表 (Publications) ：有驚喜

文章在哪？Medium、Amazon Books、ArXiv……

· Medium

這是發表技術類文章的好去處，也是打破排名規律的地方。

Keras超過了TensorFlow，接近5萬篇。

排名第三的PyTorch，已經不到1萬篇。

FastAI第四，和第三名分數接近，且遠遠超過了後面的其他對手。

可能因為Keras和FastAI都是初學者友好的產品，才有了這樣的結果。

· 亞馬遜圖書

雖然TensorFlow又贏回來了，但還是有驚喜。

MXNET排到第三名，超過了PyTorch。

大概是因為PyTorch還年輕，而這項指標是越老越吃香的。

· ArXiv

在論文在線存儲之地，搜索每個框架。

TensorFlow領先不意外，但也領先太多了，是第二名PyTorch的5倍左右。

第二名到第六名相去不遠。

需要對比一下，在Medium學術型的文章里，Keras排名第一，而在ArXiv上面表現並不突出。

GitHub活躍度

這裡，標星 (Star) 、分叉 (Fork) 、關注量 (Watch) 和貢獻者 (Contributor) ，是分開統計的。

TensorFlow依然優勢明顯，尤其是前三項。

但在貢獻者數量上，選手們的差距並沒有那麼大。尤其是剛剛出生的FastAI，已經積累了不少用戶。

各類指標合體

按照餅圖中的權重分配，把所有的比賽結果，融為一體。

招聘需求和KDnuggets問卷這兩項加起來，就佔了一半比重。

而谷歌搜索量、發表文章以及GitHub活動一共佔一半。

原始數據長這樣，觀賞的時候，可以鍛煉一下脖子：

整合之後，就是文章開頭看到的樣子。

學習，學習

PyTorch有朝一日能不能超越TensorFlow？

FastAI的一大批學生，會不會喜歡他們的新框架？

只有時間才知道。

不過，不妨礙各位先選個框架開始學：

Keras適合新手，TensorFlow適合掌握需求，PyTorch靈活性更好。

FastAI 1.0或許可以期待一下？畢竟團隊承諾讓用戶輕鬆用上最新的深度學習策略 (Strategies) ，並迅速迭代。

加了個油。

—完—

加入社群

量子位AI社群28群開始招募啦，歡迎對AI感興趣的同學，在量子位公眾號（QbitAI）對話界面回復關鍵字「交流群」，獲取入群方式；

此外，量子位專業細分群(自動駕駛、CV、NLP、機器學習等)正在招募，面向正在從事相關領域的工程師及研究人員。

進專業群請在量子位公眾號（QbitAI）對話界面回復關鍵字「專業群」，獲取入群方式。（專業群審核較嚴，敬請諒解）

誠摯招聘

量子位正在招募編輯/記者，工作地點在北京中關村。期待有才氣、有熱情的同學加入我們！相關細節，請在量子位公眾號(QbitAI)對話界面，回復「招聘」兩個字。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！