從早期的學術框架 Caffe、Theano，到后來的PyTorch、TensorFlow，自 2012 年深度學習再度成為焦點以來，很多機器學習框架成為研究者和業界工作者的新寵。

2018 年底，谷歌推出了全新的JAX框架，其受歡迎程度也一直在穩步提升。很多研究者對其寄予厚望，希望它可以取代 TensorFlow 等眾多深度學習框架。

不過，PyTorch 和 TensorFlow仍是ML框架領域的兩大實力玩家，其他新生框架的力量暫時還無法匹敵。而PyTorch 和 TensorFlow之間則是此消彼長的關系，力量對比也在悄悄發生著變化。

2019年10月，康奈爾大學本科生、曾在PyTorch 團隊實習的Horace He曾對PyTorch 和 TensorFlow在學界的使用情況進行了數據統計。結果顯示，研究者已經大批涌向了 PyTorch，不過當時看來，業界的首選仍然是 TensorFlow。

如下圖所示，從2019年中期開始，在統計的各大頂會中，PyTorch從使用率指標上就已完成了對TensorFlow的反超。

數據收集時間：2019年10月。

當時的開發者社區曾熱議：未來，誰能在 ML 框架之爭中迎來「高光時刻」?兩年后，Horace He再次給出了更新后的統計結果。

截止目前，EMNLP、ACL、ICLR三家頂會的PyTorch的占比已經超過80%，這一占比數字在其他會議中也都保持在70%之上。短短兩年間，TensorFlow的生存空間又大幅縮小。

PyTorch 在學界的「超車」

具體到每一家頂會，作者也在圖表中展示了詳細數據：

以CVPR為例，在CVPR 2018之前，TensorFlow的使用率還高于PyTorch，而在下一年，局勢立即逆轉。

CVPR 2019的PyTorch使用率為22.72%(294篇)，TensorFlow的使用率變為11.44%(148篇);到了CVPR 2020，這兩個數字分別變成了28.49%(418篇)和7.7%(113篇)。

在ICML、ICLR、NeurIPS這些會議中，依舊是同樣的競爭形勢：

PyTorch一騎絕塵，TensorFlow則持續下跌。在ICLR 2022中，PyTorch使用率為32.20%(1091篇)，TensorFlow跌到了6.14%(208篇)，拉開了五倍的差距。

TensorFlow 在學界還有未來嗎?

所以，退守一方的TensorFlow，怎么就到了今天這個地步?

在Hackrnews社區，這一話題引發了開發者的熱議：

「在學術出版中，能夠將你的工作與 SOTA 進行比較是非常關鍵的。如果你所在地區的其他人都使用某個框架，那么你也應該這樣做。過去幾年，Pytorch是我關注最多的框架了。」

「但Tensorflow 的一個亮點是靜態圖表。隨著模型變得更加密集，并且需要不同的部分并行執行，我們在 PyTorch 的運行模型中看到了一些挑戰。」

在這位開發者看來，如果想并行地做很多事情，Tensorflow 還是有一些特性是其他產品無法比擬的。這完全取決于你在做什么。

還有人說，Tensorflow的式微是因為出現了策略上的失誤。

「我認為 Tensorflow 在學術界做出了一個糟糕的舉動，因為它在早期版本中使用起來非常困難。當然，它的性能總是比 PyTorch 好，但當你是一個工作負擔很重的博士生時，你就不太關心你的代碼是否高效，而更關心你的代碼是否能work。有人說 PyTorch 的調試相對輕松，所以那些早期的模型用了PyTorch發表，后來很多人也就來到了PyTorch。」

你怎么看呢?