TensorFlow の Flow に勝てますか?

PyTorch または TensorFlow — 開発者間の多くの衝突と戦争を引き起こす議論。 多くのレポートは、PyTorch が開発者にとって TensorFlow の代わりに好まれる選択肢になっていることを示していますが、これはまったく真実ではありません。 約 60,000 人の回答者がいた Stack Overflow による 2022 年の開発者調査を一目見れば、 12.95% のユーザーが機械学習に TensorFlow を好みました。 1.5倍 PyTorch よりも高い 8.61% 回答者のこと。 並置すると、Keras フレームワークは、回答者の 7.27% が選択した PyTorch に近づきつつあります。

PyTorch だけでなく、TensorFlow 開発者の全体的なコミュニティも 2021 年と比較して約 30% 増加しました。同じ調査は、ML ランドスケープでは、 57% の開発者が TensorFlow を使用していますが、 38% PyTorch を使用します。

また、TensorFlow には 170K PyTorch よりも相対的に高い GitHub の星 61K 出演者。 TensorFlow のこの評価は、2021 年以降、さらに上昇の勢いを見せています。

スタック オーバーフローの洞察によると、TensorFlow に関する質問は常に PyTorch よりも多く、ほぼ 2 倍です。 これは、人々が PyTorch よりも TensorFlow を積極的に検索して学習していることを示唆しています。 Stack Overflow での質問数を測定することは、混乱の程度を測定することにもなり、必ずしも人気があるとは限らないことに注意する必要があります。

開発者の PyTorch への愛

同じスタック オーバーフローの調査をもう一度見て、最も愛され、恐れられているフレームワークとライブラリを見てみましょう。 68.2% の回答者が PyTorch を愛用し、TensorFlow を愛用しているのは 60% そのうちの。 調査によると、TensorFlow のユーザー数が多いことを考えると、パーセンテージはありそうに見えるかもしれません。


モバイルアプリをダウンロード


問題は同じリストで強調表示されます。 HuggingFace は、最も愛されているライブラリです。 72.2% 投票した回答者の割合。 HuggingFace を使用すると、開発者は大規模なインフラストラクチャを必要とせずに、パイプラインで大規模なトレーニング済みの SOTA モデルを使用できます。 開発者はそれを気に入っています。 ただし、TensorFlow と PyTorch のモデルの可用性の違いは驚異的です。

2022年には、 45,000 PyTorch 専用モデルが HuggingFace に追加されましたが、 4,000 新しい TensorFlow 専用が追加されました。 これにより、 92% PyTorch 専用の HuggingFace の専用モデル 8% モデルの TensorFlow 排他的です。

Google と DeepMind は TensorFlow を愛用しています

Google が支援する DeepMind は、2016 年に TensorFlow の使用を標準化し、2020 年には JAX の使用を開始しました。これは、Google Brain が行ったことと似ています。 OpenAI は 2020 年から社内で PyTorch を使用していますが、強化学習の作業が増えるにつれて、TensorFlow のみに実装されている古いベースライン リポジトリに依存するようになりました。 ただし、これらはあくまでも例外です。

以前は、Google が PaLM、LaMDA などのソフトウェアでジェネレーティブおよび NLP 市場を支配しているように見えました。 しかし、最近の画期的なイノベーションのほとんどは PyTorch に基づいており、開発者は現在 PyTorch に落ち着いています。 Google の生成モデルも、TensorFlow ではなく JAX で構築されています。

ただし、研究出版物と利用可能なモデルのほとんどは現在 PyTorch を使用しており、現在は学術界を支配しています。 Papers With Code のデータを見ると、2022 年 12 月時点で、 62% の論文は PyTorch で実装されましたが、 4% は TensorFlow で、2021 年 12 月の 10% から減少しました。この統計は、TensorFlow のサポートが減少していることを明確に示しています。

TensorFlow はまだ死んでいない

Google は Meta の PyTorch から学び、TensorFlow 2.0 を作成しました。TensorFlow 2.0 は、以前のバージョンよりも研究しやすくなっています。 それでも、研究者は TensorFlow にもう一度チャンスを与えることに戻る理由はありません。 現在、PyTorch の 2 番目のバージョンがすべて 3 月にリリースされる予定であり、TensorFlow への希望はさらに短くなります。

Google は 2015 年に深層学習分野で最初のフレームワークである TensorFlow を開発しました。 しかし、Meta はフレームワークの限界を観察して注意し、2016 年に PyTorch を構築しました。その後、世界は PyTorch の人気が急上昇するのを目の当たりにしました。

競争するために、TensorFlow 2.0 は 2019 年にリリースされ、定期的にアップデートをプッシュしています。 現在、PyTorch 2.0 は 2023 年 3 月にリリースされる予定です。TensorFlow は死んでいる” 金 “PyTorch は TensorFlow を殺しました“物語。 しかし、それが完全に真実であると信じるのは友達です。

ML の場合、ハードウェアの開発が原動力であり、NVIDIA の CUDA はビジネスで唯一のものであったため、競争上の優位性がありました。 Google はソフトウェア ゲームをリードしていましたが、PyTorch に比べて柔軟性と使いやすさに欠けていたため、孤立しました。

現在、ソフトウェア スタック市場における NVIDIA の独占は、OpenAI の Triton と PyTorch 2.0 の導入によって破られようとしています。 現在、ますます多くのアプリケーションが PyTorch を使用して構築されており、TensorFlow の現在のデプロイ インフラストラクチャを超える可能性があります。

さらに、PyTorch の導入と改善により、Python で機械学習モデルを構築するためのより簡単でシンプルな代替手段となっています。 興味深いことに、PyTorch は開発者によって「Pythony」と呼ばれることがよくあります。 これは、PyTorch (大部分は Python で構築されている) が快適で使いやすく、新規ユーザーの学習曲線が速いため、広く採用され、人々が PyTorch に移行したことを説明しています。

一方、GitHub によると、TensorFlow の使用率が最も高いのは C++ 言語です。 63% 一方、Python は 21%. Python は機械学習で最も人気のある言語ですが、TensorFlow は C++ で広く使用されており、JavaScript と Java もサポートしていると同時に、開発中の Julia とともに Rust、Scala にも拡張されています。 言うまでもなく、TensorFlow は、プログラミング言語間を移動する柔軟性を好む専門家や上級開発者に好まれています。

Leave a Comment

Your email address will not be published. Required fields are marked *