PyTorch, daha güçlü uyumlulukla bir yılda% 194 büyüyor ve TensorFlow'u geçmek için çok yakın.
İçbükey tapınaktan Qian Ming
Qubit Raporu | Genel Hesap QbitAI
Görünüşe göre PyTorch hemen köşede TensorFlow'u geride bırakıyor.
Bu sonuç, bu tür verilerden gelir:
Ocak'tan Haziran 2019'un sonuna kadar, arXiv.org'da yayınlanan makalelerde, TensorFlow ve PyTorch'un bahsetme sayısı neredeyse aynı ve PyTorch sadece biraz geride kaldı.
Ancak en önemli şey büyüme oranı: Ocak-Haziran 2018 ile karşılaştırıldığında PyTorch% 194 arttı. Buna karşılık, TensorFlow'un büyüme oranı yalnızca% 23'tür.
Bir yandan yeterli temeli var, diğer yandan yeterli büyüme oranına sahip PyTorch'un TensorFlow'u geçme olasılığı var.
Veriler, Berkeley'deki California Üniversitesi'ne bağlı bir araştırma kurumu olan ve hedefi gelecek nesil büyük veri hesaplama sistemlerini geliştirmek olan RISELab'dan geliyor.
Açıklamadan hemen sonra netizenler arasında hararetli tartışmalara neden oldu.
Bir öncekinden farkı, bu sefer "PyTorch Really Fragrance" sitesi olmaması ve temanın TensorFlow haline gelmiş olmasıdır.
Tucao TensorFlow sitesi
Reddit'in makine öğrenimi bölümünde, bu konu şimdiden 200 popülerlik ve 80 yorum kazandı.
Bir numaralı yorum:
TensorFlow her zaman bir baş ağrısı olmuştur, bu yüzden PyTorch'un bu kadar çabuk benimsenmesi güzel.
Baş ağrısı nedir? Birçok netizen de açıklamalarda bulundu:
Tensorflow 1.0 zayıf uyumluluk
"Bunny113" adlı bir netizen yorum yaptı:
GitHub deposundan elde edilen Tensorflow 1.0 kodu diğer sürümlerde çalışmaz.
Yani, şimdi sadece PyTorch kullanıyorum. Dinamik doğasını seviyorum, Tensorflow'un statik doğasını değil.
Sürekli değişim bir baş ağrısıdır
TF ile ilgili olarak, başımı ağrıtan bir şey sürekli değişimdir. Başlangıçta modeli sıfırdan oluşturmanız gerekiyordu, ardından TF.estimator (TF.layers) API ortaya çıktı ve şimdi TF.keras TF 2.0'da standart olacak (ve TF.layers'ı eski olarak işaretleyecek).
Bazı netizenler daha derin bir deneyime sahiptir:
TensorFlow artık kesinlikle bir felaket. Küçük bir sürüm artışı, kodumda düzinelerce kullanımdan kaldırma uyarısını tetikleyecektir.
Ek olarak, aşağıdakiler gibi çeşitli başka sorunlar vardır: TensorFlow'un hata ayıklaması zor , Ustalık için yüksek engeller Vs vs.
Tucao site bağlantısı:
https://www.reddit.com/r/MachineLearning/comments/chx7bq/d_one_simple_graphic_researchers_love_pytorch_and/
Tensorflow'un Avantajları
Bundan şikayet eden çok sayıda insan olmasına rağmen, bu TensorFlow'un hiçbir avantajı olmadığı anlamına gelmez.PyTorch mükemmeldir.
Bu verilerin kaynağının arXiv.org tarafından sunulan önceden basılmış bir makale olduğu ve grubun neredeyse tamamen araştırmacılardan oluştuğu unutulmamalıdır.
Bazı netizenler sordu:
Araştırmacılar ayrıca performans karşılaştırmaları konusunda endişeli olabilirler Donanım uyumluluğu ve optimizasyonu, bulut desteği (Google Colab) vb. Konulardaki performanslarını önemseyen var mı?
Tabii ki, "muntoo" adlı bir netizen yorum alanında şunları söyledi:
Tensorflow'u kullanmamın temel nedeni, Google'ın diğer platformlar (Android gibi) için entegrasyon sağlamasıdır.
Aslında bu, Tensorflow'un bir avantajı ve PyTorch'un iyileştirmesi gereken bir alandır.
Kısa bir süre önce, TensorFlow ayrıca U-Net tarzı mimari (ve önceden eğitilmiş bir MobileNet), bağlantı adresi kullanarak yeni bir görüntü bölümleme öğreticisi başlattı:
https://www.tensorflow.org/beta/tutorials/images/segmentation
Ancak Fast.ai'nin kurucusu Jeremy Howard, Twitter'da derin öğrenmenin çok yeni bir iş alanı olduğu için endüstri ve akademinin birbirine çok yakın olduğunu söyledi. PyTorch'un araştırmacılar arasında kullanımı önemli ölçüde arttı ve bu aynı zamanda giderek daha fazla şirketin bu yıl PyTorch'u benimseyeceğini gösteriyor.
Ne düşünüyorsun?
- Bitiş -
Samimi işe alım
Qubit, editörleri / muhabirleri işe alıyor ve merkezi Pekin, Zhongguancun'da bulunuyor. Yetenekli ve hevesli öğrencilerin bize katılmasını dört gözle bekliyoruz! Ayrıntılar için, lütfen QbitAI diyalog arayüzündeki "işe alma" kelimesini yanıtlayın.
Qubit QbitAI · Toutiao İmzalama Yazarı
' ' Yapay zeka teknolojisi ve ürünlerindeki yeni eğilimleri izleme
