雷锋网AI科技评论按：对于机器学习科研工作者和工业界从业人员来说，熟练掌握一种机器学习框架是必备技能之一。随着深度学习技术发展的突飞猛进，机器学习框架市场也渐渐度过了初期野蛮生长的阶段。大浪淘沙，目前仍然活跃的机器学习框架主要是PyTorch和TensorFlow。本文从学术界和工业界两个方面深度盘点了年机器学习框架的发展趋势。
自年深度学习再度成为万众瞩目的技术以来，各种机器学习框架争相成为研究人员和从业者的新宠，可谓「你方唱罢我登场」。从早期在学术界广为使用的Caffe和Theano，到业界推崇的PyTorch和TensorFlow，各种各样可供选择的学习框架使得人们很难确定「谁才是真正最主流的框架」。
如果你仅仅通过浏览Reddit来做出判断，你可能会认为每个人都在转而使用PyTorch；而如果你根据FrancoisChollet推特中的内容做出判断，你会发现TensorFlow或Keras可能是主流的框架，而PyTorch的势头正在衰减。
回顾年，机器学习框架之争中还剩下两个竞争者：PyTorch和TensorFlow。我的分析表明，研究人员正在放弃TensorFlow并纷纷转向使用PyTorch。然而与此同时，在工业界，TensorFlow目前则是首选的平台，但这种情况可能不会持续太久。
一、PyTorch在研究领域日益占据主导地位
让我们用数据说话！下图显示了在近些年的研究顶会中，仅仅使用了PyTorch框架进行研究的论文数和使用了TensorFlow或PyTorch的论文总数的比例。如图所示，每条曲线（代表不同的会议）都向上倾斜（意味着PyTorch的占比越来越高），而且在年的每个主要的会议中，大多数的论文都采用PyTorch实现。
会议的图例数据收集过程的细节这些图表的交互式版本链接如下：