谁没有听说FB的PyTorch和谷歌的TensorFlow之间的争斗？ 本文是来自国外Kirill Dubovikov写的一篇很棒的文章，快速揭秘这2种框架冲突与竞争的根源。

竞争的核心是两个框架的相似性太强。 两个框架有哪些相似点？

1.是用于高性能数值计算的开源库

2.得到大型科技公司的支持

3.拥有强大而积极的支持社区

4.是基于Python的

5.使用图表来表示数据和操作的流程

6.有详细记录

考虑到所有这些因素，我们可以说，在其中一个框架中创建的几乎任何东西都可以以相似的成本在另一个框架中复制。 因此，问题就在于此。

你应该使用哪个框架？ 每个社区之间的主要区别是什么？

在/ Data，我们不断调查开发者社区，以跟踪并预测不同技术领域的未来趋势。特别是对于机器学习而言，这种竞争至关重要。普遍存在的框架（如果有的话）将对机器学习社区在未来几年将采取的路径产生巨大影响。

考虑到这一点，我们询问开发人员，他们说他们参与了数据科学（DS）或机器学习（ML）他们正在使用的两个框架中的哪一个，他们如何使用它们，以及他们在专业领域做了什么。

TensorFlow赢得了比赛，但PyTorch是在同一个控制台上玩吗？

在参与ML或DS的3,000名开发人员中，我们看到43％的人使用PyTorch或TensorFlow。

这43％不是在两个框架之间平均分配的。 TensorFlow比PyTorch大3.4倍。总共86％的ML开发人员和数据科学家表示他们目前正在使用TensorFlow，而只有11％的人使用PyTorch。

此外，PyTorch还有超过50％的社区使用TensorFlow。另一方面，只有15％的TensorFlow社区也使用PyTorch。看起来像TensorFlow是必须的，但PyTorch是一个不错的选择。

谁在使用PyTorch以及谁正在使用TensorFlow？ 每个框架最常用的是什么？

以下是其他与众不同的东西：

这是决定性的。与PyTorch相比，TensorFlow正在生产中使用，并且很可能部署到云中，因为TensorFlow用户的后端体验明显更高（4.8与PyTorch用户的3.8相比）。

与PyTorch相比，它的社区由更多专业机器学习开发人员（28％），软件架构师（26％）和公司内部程序员（58％）组成。这很可能是由于Google重点关注通过诸如Tensorflow服务等API进行部署，这已经成为许多开发人员在尝试将数据产品推向生产环境时采用TensorFlow的关键动力。

另一方面，PyTorch比TensorFlow更多地用于数据分析和业务环境中的特殊模型（10％）。在PyTorch社区中，有更多的Python开发人员（即使用Python作为主要语言的开发人员）从事Web应用程序（46％）。

此外，这种Pythonic框架的多功能性使研究人员能够测试几乎没有摩擦的想法，因此，它是最先进的尖端解决方案的首选框架。

延伸阅读：Google I/O大会结束了，这个小细节却被大家忽视了！

在今年的5月份Google I/O大会上，除了介绍Coral的性能以及其硬件开发产品，Google还在会上展示了基于Coral硬件（Coral Dev Board），由国内团队开发出的移动端App——Model Play。据悉，Model Play 是面向全球 AI 开发者的 AI 模型共享市场。

Model Play 不仅为全球开发者提供了 AI 模型展示交流的平台，更能搭配含 Edge TPU 的 Coral Dev Board 进行使用，加速 ML 推理，通过手机实时预览模型运行效果。