围观各大深度学习框架使用热度

导读	随着深度学习在计算机视觉、自然语言处理等领域取得的成果越来越显著，对深度学习的讨论越来越多。作为当下最热门的话题，从 2015 年至今，短短三年时间，谷歌、Facebook、微软等国外巨头，百度、小米等国内企业，前后围绕深度学习推出一系列开源框架。

随着深度学习在计算机视觉、自然语言处理等领域取得的成果越来越显著，对深度学习的讨论越来越多。作为当下最热门的话题，从 2015 年至今，短短三年时间，谷歌、Facebook、微软等国外巨头，百度、小米等国内企业，前后围绕深度学习推出一系列开源框架。
谷歌于 2015 年底推出 TensorFlow，在开源时，谷歌曾表示，开源 TensorFlow 能够加速谷歌在人工智能上的部署，帮助其在人工智能发展日益重要的未来抢占更多主导权。过去三年间，TensorFlow 在开发者社区享有盛誉，已成为最为常用的深度学习框架之一，目前不仅支持 Eager Execution 动态图机制，还集成了 NVIDIA TensorRT，此外，TensorFlow 中文社区论坛（https://www.tensorflowers.cn）也正式上线。
2016 年初，微软开源 CNTK 深度学习工具包。CNTK 具有相当不错的可扩展性、速度和精确性，在语音识别领域被广泛使用。在随后的改进中，这一框架提供了对 ONNX 标准的更好支持，在分布式训练上迎来多项性能改进。
2017 年初，Facebook 在 Torch 的基础上，针对 Python 语言发布了全新的机器学习工具包——PyTorch。目前，PyTorch 已经融合了 Caffe2 和 ONNX 支持模块化、面向生产的功能，并保留了其灵活、以研究为中心的设计。
而在国内，2016 年 8 月底，百度开源自研深度学习平台 PaddlePaddle。2017 年 11 月，PaddlePaddle 发布三项新功能：PaddlePaddleFluid，PaddlePaddleCloud，PaddlePaddleEDL，这三大新功能的推出，进一步加强了 PaddlePaddle 的易用性，提高了效率，并降低了开发者的使用门槛。
今年 7 月，小米也拥抱开源，发布自家深度学习框架 MACE。据悉，MACE 支持 TensorFlow 和 Caffe 模型，提供转换工具，可以将训练好的模型转换成专有的模型数据文件，同时还可以选择将模型转换成 C++ 代码，支持生成动态库或者静态库，提高模型保密性。
从 Google Trends 过去三年的统计数据可以看到，在全球范围内计算机科学领域，TensorFlow、Keras、PyTorch、Caffe、Theano 这五个框架在 Google 网页搜索的热度中，TensorFlow 一直处于领先状态，Keras 位居第二。



而从过去十二个月的数据中可以看到，这五个框架的热度波动较为平缓。



而从中国过去十二个月的搜索数据中可以看到，虽然 TensorFlow 的热度依旧占据领先，但 PyTorch 的平均热度比 Keras 要高。



从美国过去十二个月的搜索数据可以看到，Keras 的搜索热度大于 PyTorch。



而在搜索框架之后，大家究竟会展开哪些相关查询呢？
基于全球过去三年间的搜索数据，可以看到，TensorFlow 相关查询排名前三的热词分别是：
python tensorflow

tensorflow machine learning

tensorflow github



Keras 相关查询排名前三的热词也涉及到 TensorFlow，分别是：
keras python

tensorflow keras

tensorflow



就连 PyTorch 排名前三的热词也与 TensorFlow 相关，分别为：
pytorch github

lstm pytorch

tensorflow



结合以上各类统计数据，足以证明 TensorFlow 目前在各类深度学习框架中的统治地位。从过去一年间的更新来看，谷歌一直在增强 TensorFlow 的易用性和高效性，如今年推出的 Swift for TensorFlow，将 TensorFlow 计算图与 Eager Execution 的灵活性和表达能力结合在一起，同时还注重提高整个软件架构每一层的可用性。
此外，还推出 TensorFlow 中文社区论坛，提供技术问答、教程分享、案例展示等多个栏目，旨在推进 TensorFlow 在中国的发展。
当然，对于深度学习框架的使用之争一直没有停止过，Keras 和 PyTorch 目前也均有相当庞大的社群。