深度栗 编译整理
量子位 报道 | 公众号 QbitAI
深度学习的世界，风云变幻。
五年前，还是Theano称霸的天下，如今完全不一样的了。
所以，一个叫Jeff Hale的数据科学家，想全方位观察一下，每个深度学习框架有多受欢迎，发现了很多有趣的现象。
先总体看一下，各个深度学习框架的武力值 (Power Scores) ：
TensorFlow的第一名无可争辩，也是找工作所需技能首选，但依然有些数据出人意料。
比如，走出美国，最常用的框架就成了Keras。
比如，PyTorch的谷歌搜索量逼近Keras。
比如，FastAI框架正在迅速积累开发者。
这些框架都是开源的，除了一位选手之外，大家都支持Python，有些还支持R或其他语言。
△ 谷歌系选手
TensorFlow是最重量级的选手，谷歌系。GitHub活跃度最高，谷歌搜索量最大，关于它ArXiv论文也最多。
使用TensorFlow的开发者数量也是最多的。
第二受欢迎的是Keras，几乎每一项指标都是第二名。根据官方标语，它是“为人类设计，不是为机器设计的API”。
Keras是在TensorFlow、Theano或者NLTK上运行的。容易上手，新人之选。
△Facebook系选手
第三名是PyTorch，Facebook系，也是独立框架的第二名 (Keras不独立) 。它比TensorFlow出生要晚，但热度增长很快。
PyTorch支持自定义 (Customization) ，这一点TensorFlow是不行的。
第四名。Theano是蒙特利尔大学2007年开发出来的，也是最早强大起来的Python深度学习框架。
可是自从Joshua Bengio宣布停止更新不再维护，它就失去了许多拥趸。
MXNET排第五，来自Apache。不过，它的分数和Theano已经很接近了，随时可能取代第四名。不过，去年报告显示，MXNET用量有所下降。搜索量也不是很高。
△ 来自微软
第六名CNTK，是微软发布的认知工具包。微软为了和谷歌、Facebook竞争，推出了许多这样的产品，但用户并暂时不是很多。
Deeplearning4J第七。榜单中唯一不支持Python的框架，用的是Java。
即便如此，用户还是可以把用Keras写的模型导入DL4J。
这位选手，是中途加入比赛的，最初的榜单里并没有它。Jeff选择补上它，所以为它多累计了4天数据。
DL4J特殊的地方在于，用全称和简称分别统计的数据，差异比较大。做法是统一选取较高的数据。但总体分数不高，所以对结果影响不大。
第八是FastAI，基于PyTorch搭建的新框架。API受到了Keras的启发，要用更少的代码得到更好的结果。
它出生没多久，10月就要发布1.0版本了。FastAI接下来的课程，基本都会基于这个框架了。由于免费课程用户量很大，Jeff看好框架今后的增长。
FastAI背后的大佬是Jeremy Howard，Kaggle前总裁，也曾经是冠军Kaggler。
以上就是全部参赛选手，Caffe没在里面，因为进化成了Caffe 2，Caffe 2又并进PyTorch了。
和机器学习有关的工作岗位，要求用什么框架？这个问题的答案里，TensorFlow的出镜率最高。
这里使用机器学习+框架名 (如machine learning TensorFlow) 来统计的，Jeff发现这样效果最好。
所以，找工作还是学TensorFlow吧。
这里用了KDnuggets 2018年做的问卷调查，是向全球的数据科学家提问：
过去12个月，你用过什么分析、大数据、数据科学以及机器学习软件，来做项目？
答案如下。
有些意外的是，Keras的占比超过20%，非常逼近TensorFlow了。
以及，TensorFlow在美国有压倒性优势，但在世界上的其他地方，Keras是最常用的。
观察一个框架有多受欢迎，看搜索量也是个好方法。
这里用的是过去一年的Google Trends。谷歌不提供绝对数据，只有相对数据。
百分制，TensorFlow拿到78分，排名第二的Keras只有38分。这是今年9月15日的数据。
不过，第三名PyTorch和第二名Keras相差无几。
其他选手的搜索量，和前三名相比，几乎可以忽略不计。
再看一下搜索值，在两年时间内的变化：
前三名在16、17年都发生了迅速的增长，但近几个月来都没有很凶猛的涨势。
另外，季节性变化也是有的，寒暑假搜索量会下降。
文章在哪？Medium、Amazon Books、ArXiv……
· Medium
这是发表技术类文章的好去处，也是打破排名规律的地方。
Keras超过了TensorFlow，接近5万篇。
排名第三的PyTorch，已经不到1万篇。
FastAI第四，和第三名分数接近，且远远超过了后面的其他对手。
可能因为Keras和FastAI都是初学者友好的产品，才有了这样的结果。
· 亚马逊图书
虽然TensorFlow又赢回来了，但还是有惊喜。
MXNET排到第三名，超过了PyTorch。
大概是因为PyTorch还年轻，而这项指标是越老越吃香的。
· ArXiv
在论文在线存储之地，搜索每个框架。
TensorFlow领先不意外，但也领先太多了，是第二名PyTorch的5倍左右。
第二名到第六名相去不远。
需要对比一下，在Medium学术型的文章里，Keras排名第一，而在ArXiv上面表现并不突出。
这里，标星 (Star) 、分叉 (Fork) 、关注量 (Watch) 和贡献者 (Contributor) ，是分开统计的。
TensorFlow依然优势明显，尤其是前三项。
但在贡献者数量上，选手们的差距并没有那么大。尤其是刚刚出生的FastAI，已经积累了不少用户。
按照饼图中的权重分配，把所有的比赛结果，融为一体。
招聘需求和KDnuggets问卷这两项加起来，就占了一半比重。
而谷歌搜索量、发表文章以及GitHub活动一共占一半。
原始数据长这样，观赏的时候，可以锻炼一下脖子：
整合之后，就是文章开头看到的样子。
PyTorch有朝一日能不能超越TensorFlow？
FastAI的一大批学生，会不会喜欢他们的新框架？
只有时间才知道。
不过，不妨碍各位先选个框架开始学：
Keras适合新手，TensorFlow适合掌握需求，PyTorch灵活性更好。
FastAI 1.0或许可以期待一下？毕竟团队承诺让用户轻松用上最新的深度学习策略 (Strategies) ，并迅速迭代。
加了个油。