PyTorch v / s TensorFlow
在其中心,决斗是由两个系统的可比性推动的。这两种结构:
- 是用于精英数值计算的开源库
- 由一个巨大的科技组织(Facebook和谷歌)维护
- 拥有稳固而有活力的支持网络
- 是基于Python的
- 使用K线走势图来说明信息和任务的进展
- 各地都有报道。
考虑到大多数情况,我们可以说几乎任何一种结构中的任何东西都可以以相对的代价在另一种结构中模仿。通过这种方式,查询成立。使用哪种结构是个好主意?每个网络之间的主要区别是什么?
信息我们一直在审查设计师网络,以遵循模式并预测各种创新部分的最终命运。对于AI而言,这种冲突是基本的。如果存在一个主导结构,将会影响AI人群将在未来几年采取的方式。
鉴于此,我们询问设计师,他们说他们与信息科学(DS)或AI(ML)有关,他们正在使用这两个系统中的哪一个,他们如何利用它们以及他们在专业生活中做了什么。
Tensorflow获胜,但PyTorch是否也在获得类似支持?
在与ML或DS相关的3,000名设计师中,我们看到其中43%使用PyTorch或Tensorflow。
这43%在两种结构之间没有类似的流通。 Tensorflow比PyTorch大3.4倍。 86%的ML设计师和信息研究人员表示他们现在正在使用Tensorflow,而只有11%的人正在使用PyTorch。
此外,PyTorch还有超过一半的语言环境同样使用Tensorflow。然后,只有15%的Tensorflow人群同样使用PyTorch。看起来Tensorflow是绝对必要的,但PyTorch是一个不错的选择。