誰沒有聽說FB的PyTorch和谷歌的TensorFlow之間的爭鬥？ 本文是來自國外Kirill Dubovikov寫的一篇很棒的文章，快速揭祕這2種框架衝突與競爭的根源。
競爭的核心是兩個框架的相似性太強。 兩個框架有哪些相似點？
1.是用於高性能數值計算的開源庫
2.得到大型科技公司的支持
3.擁有強大而積極的支持社區
4.是基於Python的
5.使用圖表來表示數據和操作的流程
6.有詳細記錄
考慮到所有這些因素，我們可以說，在其中一個框架中創建的幾乎任何東西都可以以相似的成本在另一個框架中複製。 因此，問題就在於此。
你應該使用哪個框架？ 每個社區之間的主要區別是什麼？
在/ Data，我們不斷調查開發者社區，以跟蹤並預測不同技術領域的未來趨勢。特別是對於機器學習而言，這種競爭至關重要。普遍存在的框架（如果有的話）將對機器學習社區在未來幾年將採取的路徑產生巨大影響。
考慮到這一點，我們詢問開發人員，他們說他們參與了數據科學（DS）或機器學習（ML）他們正在使用的兩個框架中的哪一個，他們如何使用它們，以及他們在專業領域做了什麼。
TensorFlow贏得了比賽，但PyTorch是在同一個控制檯上玩嗎？
在參與ML或DS的3,000名開發人員中，我們看到43％的人使用PyTorch或TensorFlow。
這43％不是在兩個框架之間平均分配的。 TensorFlow比PyTorch大3.4倍。總共86％的ML開發人員和數據科學家表示他們目前正在使用TensorFlow，而只有11％的人使用PyTorch。
此外，PyTorch還有超過50％的社區使用TensorFlow。另一方面，只有15％的TensorFlow社區也使用PyTorch。看起來像TensorFlow是必須的，但PyTorch是一個不錯的選擇。
誰在使用PyTorch以及誰正在使用TensorFlow？ 每個框架最常用的是什麼？
以下是其他與衆不同的東西：
這是決定性的。與PyTorch相比，TensorFlow正在生產中使用，並且很可能部署到雲中，因爲TensorFlow用戶的後端體驗明顯更高（4.8與PyTorch用戶的3.8相比）。
與PyTorch相比，它的社區由更多專業機器學習開發人員（28％），軟件架構師（26％）和公司內部程序員（58％）組成。這很可能是由於Google重點關注通過諸如Tensorflow服務等API進行部署，這已經成爲許多開發人員在嘗試將數據產品推向生產環境時採用TensorFlow的關鍵動力。
另一方面，PyTorch比TensorFlow更多地用於數據分析和業務環境中的特殊模型（10％）。在PyTorch社區中，有更多的Python開發人員（即使用Python作爲主要語言的開發人員）從事Web應用程序（46％）。
此外，這種Pythonic框架的多功能性使研究人員能夠測試幾乎沒有摩擦的想法，因此，它是最先進的尖端解決方案的首選框架。
延伸閱讀：Google I/O大會結束了，這個小細節卻被大家忽視了！
在今年的5月份Google I/O大會上，除了介紹Coral的性能以及其硬件開發產品，Google還在會上展示了基於Coral硬件（Coral Dev Board），由國內團隊開發出的移動端App——Model Play。據悉，Model Play 是面向全球 AI 開發者的 AI 模型共享市場。
Model Play 不僅爲全球開發者提供了 AI 模型展示交流的平臺，更能搭配含 Edge TPU 的 Coral Dev Board 進行使用，加速 ML 推理，通過手機實時預覽模型運行效果。