郭一璞 發自 凹非寺
量子位 報道 | 公眾號 QbitAI
TensorFlow還是PyTorch？
這個問題幾乎是機器學習界的“什麼是最好的語言”，總有人爭論不休。
Google的TensorFlow出生的更早，用的人更多；Facebook的PyTorch用戶增長更快。兩家再框架之爭上安營紮寨，正面對壘，都說自己的框架才是最好的語言。
不過最近，有人“反水”了：
曾經在Google Brain工作一年的前員工Denny Britz在自己的推特上正式宣佈：
PyTorch真香！我要把我的TensorFlow代碼都搬遷過去。
要知道，Denny Britz四個月前還認為TensorFlow和PyTorch大部分時候差別不大，除了個別情況，選哪個都行。
究竟是什麼，讓一個Google Brain前員工都放棄TensorFlow？Denny列出了TensorFlow的好處。
Denny特別強調，自己的判斷是針對研究角度的，也就是實現非標準模型和低級層，如果不是研究者，只需要一個庫在一個數據集上跑出結果的話，TensorFlow和PyTorch都很好，不用刻意選擇。
他覺得相比TensorFlow，PyTorch有以下幾點不同：
統一性。與TensorFlow相比，PyTorch非常乾淨、統一，文檔化非常好，也沒有大量重複的函數，代碼裡沒有deprecation warning，完成一件事情用一種方法就好了，不需要10種不同的方法互相競爭，這樣生產力很高。
性能相差不大。在性能上，PyTorch和TensorFlow幾乎沒什麼差別，在Denny的測試中，PyTorch的速度要稍微快一丟丟，不過他覺得這影響不大。
簡潔性。PyTorch代碼更簡潔易讀，PyTorch實現平均短得多，而且對於不熟悉圖形編程的人來說看起來更直觀。
不過，他也覺得PyTorch還有一些缺陷。
一個缺陷就是可視化，有幾個開源項目來實現可視化，但是沒有一個好用的，我是真的想在多個自定義層級上實現可視化圖形，在TensorFlow裡這很簡單，只要用名字作用域+Tensorboard就搞定了。
這讓Denny很不解：“我是真心覺得可視化這事不難，直接允許用戶用作用域標記模塊，然後創建d3js圖形就好了。”
JIT編譯也是一大缺陷。有一些操作不支持，追蹤也僅適用於簡單模型的一小部分，因為長得太像TensorFlow，TorchScript編寫過程也很痛苦，所以Denny還沒法去JIT編譯自己的所有模型。
眾說紛紜的框架們
TensorFlow和PyTorch哪家強，這是一個經久不衰的話題。
有人認為，PyTorch上手快，如果已經學會了Numpy和Python，非常容易上手，而TensorFlow對新手卻非常不友好，要學很多很多額外的概念，要很久才能上手。
也有人覺得，TensorFlow更全面，高級功能更多，總能解決一些PyTorch不支持的問題，尤其是沿維翻轉張量、檢查無窮與非數值張量、快速傅里葉變換。
還有TensorFlow用戶自己吐槽，TensorFlow調試起來過於困難，不像PyTorch那樣可以很方便的修改出問題的那行代碼。
也有人認為，TensorFlow裡至少打包了了keras、tflearn、tflayers，它們三個糅雜在一起，並不完全配合，一方面不好找，另一方面用起來也不完整。
還有不少人覺得，TensorFlow過於吃GPU，彷彿全世界都和Google一樣擁有大量GPU。
所以，你“真香”了嗎？
— 完 —
誠摯招聘
量子位正在招募編輯/記者，工作地點在北京中關村。期待有才氣、有熱情的同學加入我們！相關細節，請在量子位公眾號(QbitAI)對話界面，回覆“招聘”兩個字。
量子位 QbitAI · 頭條號簽約作者
վ'ᴗ' ի 追蹤AI技術和產品新動態
閱讀更多 量子位 的文章
