“对于Python而言，为什么TensorFlow正在慢慢死去？”
这篇观点尖锐的文章一出，就被LeCun的转发推向风口浪尖：
还能为啥，当然是因为PyTorch啊。
紧接着“PyTorch和TensorFlow谁更好？”这个经久不息的论战再次被掀起，网友们也纷纷开始从文章中找到共鸣、或予以反驳。
有TensorFlow深度使用者现身说法：现在我改用PyTorch了。
但也有尝试过好几种框架的网友表示：TensorFlow和Keras做快速实验更方便，而且TensorFlow看起来对Apple M1 GPU支持更好。
当然，在这里面也出现了一些独特的声音：
JAX不比这两个框架好多了？
所以，文章作者究竟是如何得出这一结论的？
这篇文章的作者Ari Joury，是法国索邦大学的粒子物理学博士生，但对将AI和机器学习方法应用在粒子物理学探索上很感兴趣。
作为一个Python爱好者，她在接触两种框架时察觉到了二者的区别。
好奇哪种框架目前关注度更高，她便对Stack Overflow上3种主流框架Keras、TensorFlow和PyTorch进行了一个统计：
简单来说，就是TensorFlow关注度更高，Keras陷入停滞甚至下降，而PyTorch虽然起步较晚，但这两年一直呈现关注度稳定上升的趋势。
（不过，也有网友认为文章中用Stack Overflow数据做论据，根本不能算是统计框架的“受欢迎度”，反而只能证明这些框架“让人困惑的程度”）
那么，为什么会得出“对Python爱好者来说，TensorFlow关注度会继续下降”这一结论？
Ari Joury给出了几大理由。
其一，PyTorch用起来“更Python”。
Ari Joury表示，她使用Python编写TensorFlow框架的工作量，可能是PyTorch的两倍，此外后者编写代码的感受比TensorFlow更自然。
其二，PyTorch可用模型更多，且更适合学生和研究者使用。
据统计，在HuggingFace中，85%的大模型框架是用PyTorch实现的。
剩余的框架中，除了多个框架实现以外，只有8%的大模型框架是通过TensorFlow实现的。
这意味着PyTorch在AI大模型研究者中受欢迎程度更高。
不止大模型，使用PyTorch实现论文研究框架的人，变得越来越多。
这一观点也在Papers with Code网站统计上得到了印证。
在代码开源的那些论文研究中，单从框架使用率来看，这4年来PyTorch占比正急剧上升。
PyTorch从最初和TensorFlow持平，到如今远超TensorFlow、稳定成为使用率第一（占比62%）的框架，相比之下TensorFlow占比只有4%：
其三，PyTorch的生态发展更快。
虽然目前TensorFlow在生态体系上发展比PyTorch更好，但从PyTorch使用增长情况来看，这一趋势将在不久的将来得到逆转。
当然，TensorFlow自身也有一些不可取代的优势，例如部署更方便（类似TensorFlow Serving和TensorFlow Lite的工具很多）、以及对其他语言的支持更好等。
毕竟目前对于JavaScript、Java、C++、Julia和Rust等语言来说，TensorFlow还是更好的选择。
PyTorch则基本以Python为中心，即使有个C++ API，但其他语言的整体支持仍然比不上TensorFlow。
因此Ari Joury最终认为，这两个框架的选择，很大程度上取决于用户对Python的喜爱程度。
所以，那些AI大牛们又是怎么站队的呢？
除了Yann LeCun一直是PyTorch的深度支持者以外（毕竟是Meta的人），不少AI大牛也都表态过自己更看好的框架。
至少在几年前TensorFlow推出2.0的时候，“TF2.0和PyTorch谁更好”这个话题就已经开始了。
当时，前Kaggle总裁兼首席科学家、fast.ai创始人Jeremy Howard，更看好PyTorch框架。
Keras创始人François Chollet，则在这个话题中投了TensorFlow一票，当时他认为PyTorch会走向下坡路。
至少在2020年的时候，他的观点依旧如此：“如果你是PyTorch粉丝，我的工作与你无关。”
但如今来看，PyTorch依旧保持一个活跃的状态。
你更看好哪个深度学习框架呢？
参考链接：
[1]https://twitter.com/ylecun/status/1614186881171742720[2]https://levelup.gitconnected.com/why-tensorflow-for-python-is-dying-a-slow-death-ba4dafcb37e6[3]https://paperswithcode.com/trends
“
