2022年，PyTorch在AI顶会的占比已经上80%了在2021年的各大顶会中

在2021年的各大顶会中，使用PyTorch的论文数量已经是使用Tensorflow的至少3倍以上，而这一差距还在持续扩大。

文章图片
从早期的学术框架Caffe、Theano ，到后来的PyTorch、TensorFlow ，自2012年深度学习再度成为焦点以来，很多机器学习框架成为研究者和业界工作者的新宠。 2018年底，谷歌推出了全新的JAX框架，其受欢迎程度也一直在稳步提升。很多研究者对其寄予厚望，希望它可以取代TensorFlow等众多深度学习框架。不过， PyTorch和TensorFlow仍是ML框架领域的两大实力玩家，其他新生框架的力量暂时还无法匹敌。而PyTorch和TensorFlow之间则是此消彼长的关系，力量对比也在悄悄发生着变化。 2019年10月，康奈尔大学本科生、曾在PyTorch团队实习的HoraceHe曾对PyTorch和TensorFlow在学界的使用情况进行了数据统计。结果显示，研究者已经大批涌向了PyTorch ，不过当时看来，业界的首选仍然是TensorFlow 。如下图所示，从2019年中期开始，在统计的各大顶会中， PyTorch从使用率指标上就已完成了对TensorFlow的反超。

文章图片
【2022年，PyTorch在AI顶会的占比已经上80%了】数据收集时间：2019年10月。当时的开发者社区曾热议：未来，谁能在ML框架之争中迎来「高光时刻」？两年后， HoraceHe再次给出了更新后的统计结果。截止目前， EMNLP、ACL、ICLR三家顶会的PyTorch的占比已经超过80% ，这一占比数字在其他会议中也都保持在70%之上。短短两年间， TensorFlow的生存空间又大幅缩小。

文章图片
具体到每一家顶会，作者也在图表中展示了详细数据：以CVPR为例，在CVPR2018之前， TensorFlow的使用率还高于PyTorch ，而在下一年，局势立即逆转。 CVPR2019的PyTorch使用率为22.72%（294篇）， TensorFlow的使用率变为11.44%（148篇）；到了CVPR2020 ，这两个数字分别变成了28.49%（418篇）和7.7%（113篇）。

文章图片
在ICML、ICLR、NeurIPS这些会议中，依旧是同样的竞争形势：

文章图片

文章图片

PyTorch一骑绝尘， TensorFlow则持续下跌。在ICLR2022中， PyTorch使用率为32.20%（1091篇）， TensorFlow跌到了6.14%（208篇），拉开了五倍的差距。

文章图片
所以，退守一方的TensorFlow ，怎么就到了今天这个地步？在Hackrnews社区，这一话题引发了开发者的热议：「在学术出版中，能够将你的工作与SOTA进行比较是非常关键的。如果你所在地区的其他人都使用某个框架，那么你也应该这样做。过去几年， Pytorch是我关注最多的框架了。」「但Tensorflow的一个亮点是静态图表。随着模型变得更加密集，并且需要不同的部分并行执行，我们在PyTorch的运行模型中看到了一些挑战。」

文章图片
在这位开发者看来，如果想并行地做很多事情， Tensorflow还是有一些特性是其他产品无法比拟的。这完全取决于你在做什么。还有人说， Tensorflow的式微是因为出现了策略上的失误。「我认为Tensorflow在学术界做出了一个糟糕的举动，因为它在早期版本中使用起来非常困难。当然，它的性能总是比PyTorch好，但当你是一个工作负担很重的博士生时，你就不太关心你的代码是否高效，而更关心你的代码是否能work 。有人说PyTorch的调试相对轻松，所以那些早期的模型用了PyTorch发表，后来很多人也就来到了PyTorch 。」