PyTorch横扫顶会，TensorFlow退守业界：机器学习框架一年变天(2)

TensorFlow能够将模型导出到coreml Android模型中，也能很容易地将其转移到GCP（谷歌云端平台）环境等任何形式的生产环境中。

相比之下，PyTorch的部署有些让人头秃：模型无法导出到非Python环境，无法优化，无法在移动设备上运行（随着PyTorch 1.3的发布，无法在移动端部署的问题已经得到解决）。

况且，TensorFlow还有Keras这个好伙伴呢。

不过，也有网友认为，PyTorch在工业界取得主导地位，只是时间问题。

毕竟在2018年的顶会上，TensorFlow还是主流呢。仅仅一年时间，王座就已易主。

△Medium博主Jeff Hale统计

PyTorch势头猛烈，但TensorFlow也没有坐以待毙。

一个有趣的现象是，现在，这两个机器学习框架呈现出了“融合”的趋势。

十一假期，TensorFlow 2.0正式登场，进一步整合TensorFlow和Keras，增强易用性，官方表示，这是一个快速、可扩展、可投入生产的灵活而强大的平台。

Keras的作者François Chollet甚至说：“TensorFlow 2.0是一个来自未来的机器学习平台，它改变了一切。”

在默认的eager execution模式下，TensorFlow 2.0能提供PyTorch eager模式下的大部分有点，比如易用性、可调试性等。

并且，针对TensorFlow的API过于复杂这个问题，2.0版本也提供了更易用的API。模型的训练和serving都无缝集成在了基础框架中。

PyTorch这边，2018年底引入了JIT编译器和“TorchScript”，增加图形功能。

就在今天，PyTorch 1.3发布，新增移动端部署、量化和命名张量等功能。

机器学习框架未来的游戏规则会如何改变，还真令人期待呢。

最后，介绍下这份详细报告的作者：

Horace He，来自康奈尔大学，是2016年入学的本科生。

自从上了大学，他每个暑假都在大厂实习：2017年是Facebook实习软件工程师，2018年是谷歌的实习软件工程师，2019年在Facebook做PyTorch实习生。

另外，少年还是VSCodeVim (标星6.2k) 的主要贡献者之一：

那么，TensorFlow和PyTorch，你会pick谁？

（编辑：ASP站长网）