2019年，TensorFlow被拉下马了吗？

本文中，作者通过GitHub、Medium文章、arXiv论文和领英等维度评估了不同神经网络框架的最新发展趋势。

2018年9月，作者曾就需求、使用和受欢迎程度三方面比较了所有主要的深度学习框架，其中TensorFlow是无可争议的重量级冠军，PyTorch是赢得大量口碑的后起之秀。

过去的六个月，领先的深度学习框架又有什么变化呢?

为回答这一问题，作者不仅查看了Indeed、Monster、LinkedIn和SimplyHired上的职位列表数量，而且评估了谷歌搜索量、GitHub动态、Medium和ArXiv文章以及Quora主题关注者的变化。总的说来，这些资源全面描述了需求、使用和兴趣三方面的增长。

集成和更新

从工具本身来说，近来TensorFlow和PyTorch框架都出现了几项重大发展。

2018年10月，PyTorch v1.0预发布，同时fastai v1.0发布。二者的发布是标志框架成熟的重大里程碑。

2019年3月4日，TensorFlow 2.0 alpha版发布，增加了一些新功能，改善了用户体验。TensorFlow 2.0 alpha版更紧密地集成了Keras，作为其高阶API。

方法论

Keras和fastai与TensorFlow和PyTorch紧密集成在一起，因而本文在比较时将二者包含在内。Keras和fastai还为评估TensorFlow和PyTorch提供了可以参考的评估范围。

作者在本文中不会探究其他深度学习框架。作者希望收到反馈，证明Caffe、Theano、MXNet、CNTK、PaddlePaddle、DeepLearning4J或Chainer值得讨论。虽然这些深度学习框架各有其优点，但就其增长轨迹而言，似乎不太可能接近TensorFlow或PyTorch。这些框架也未能与TensorFlow或PyTorch紧密耦合。

搜索日期为2019年3月20日-21日。源数据在谷歌表格中。

让我们看一下各类深度学习框架的结果吧!

在线职位列表变化

为了确认哪种深度学习库在当今求职市场中受欢迎，作者搜索了Indeed、LinkedIn、Monster和SimplyHired中的职位列表。

作者首先搜索术语「机器学习」，其后为框架/库名。所以，作者以「机器学习 TensorFlow」评估TensorFlow。基于历史比较的原因，作者采用了这种评估方法。不包含「机器学习」的搜索没有产生明显不同的结果。搜索区域是美国。

作者从2019年3月的职位列表数量中减去六个月前的数量，结果如下：

TensorFlow的职位列表增长略高于PyTorch。Keras的职位列表也出现了增长——约是TensorFlow增长的一半。FastAI依然没有出现在任何职位列表中。

需要注意的是，除了LinkedIn，PyTorch在所有求职网站上的增加职位列表数量都超过了TensorFlow。还需要注意的是，就绝对项而言，TensorFlow出现在职位列表中的数量几乎是PyTorch或Keras三倍。

平均谷歌搜索活动的变化

最大搜索引擎中的网页搜索是衡量受欢迎程度的一个标准。作者查看了过去一年里Google Trends的搜索历史。作者还搜索了全世界对「机器学习」和「人工智能」分类的兴趣。谷歌没有给出绝对搜索数量，但提供了相对数据。

作者将过去六个月与在之前六个月的搜索兴趣平均分进行比较。

在过去六个月，TensorFlow的相对搜索数量减少，而PyTorch的相对搜索数量增加。

下图来自谷歌，直接显示了过去一年的搜索兴趣。

TensorFlow显示为蓝色，Keras黄色，PyTorch红色，fastAI绿色。

新Medium文章

Medium是数据科学文章和教程的流行阵地。作者希望读者可以喜欢!