2019机器学习框架之争：与Tensorflow竞争白热化，进击的PyTorch赢在哪里？

例如，根据2018年到2019年的数据，TensorFlow在招聘的页面上有1541个新工作岗位，而PyTorch有1437个，TensorFlow在Medium上有3230个新文章，而PyTorch有1200篇，TensorFlow在GitHub有13.7K标星，而PyTorch有7.2K。

那为什么PyTorch现在已经如此受研究人员欢迎了，但它在工业上还没有同样的成功呢?

显而易见的第一个答案就是使用习惯。TensorFlow比PyTorch早几年问世，而产业接受新技术的速度要比研究人员慢。

另一个原因就是TensorFlow在产业适应方面优于PyTorch，什么意思呢?要回答这个问题，我们需要知道研究人员和工业界的需求有何不同。

研究人员关心的是他们在研究中迭代的速度有多快，这通常是在相对较小的数据集(可以在一台机器上运行的数据集)上，并在8个GPU上就可以运行。这通常不是出于对性能的考虑，而是更关注可以快速实现自己的想法。

而工业界则认为性能是最优先考虑的。虽然运行时速度提高10%对研究人员来意义不大，但这可以直接为公司节省数百万美元。

（编辑：云计算网_泰州站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!