編者按：Jeff Hale根據網上招聘、調研報告、網絡搜索、論文、教程、GitHub等數據，評估了11種深度學習框架的影響力。

現在數據科學領域最熱門的方向仍舊是深度學習。相應地，深度學習框架也處于飛速變革之中?，F在最流行的框架，除Theano外，5年前都不存在。

我想搜集一些哪個框架更值得關注的證據，所以我搞了這個影響力評分。我使用了7個不同類別的11個數據源，以評估框架的使用量、興趣、流行度。接著我對這些數據進行加權組合，得到了本文的結果。具體的代碼可以在Kaggle Kernel上看到：discdiver/deep-learning-framework-power-scores-2018 2018年9月20日更新：應眾多讀者要求，我擴大了框架的評估范圍，加入了Caffe、Deeplearning4J、Caffe2、Chainer?，F在的評測包括了KDNuggets使用調研中所有報告使用率在1%以上的框架。

2018年9月21日更新：我改進了一些測度的方法。

不多啰嗦了，下面是深度學習框架的影響力評分：

毫無疑問，TensorFlow位居第一。不過我有一些意料之外的發現，詳情見下。

框架

評測的所有框架都是開源的，除了其中一個框架外都提供了Python接口，有些框架提供了R或其他語言的接口。

TensorFlow是毫無爭議的贏家。GitHub上最熱，谷歌搜索最多，Medium文章、亞馬遜書籍、ArXiv論文最多。使用TensorFlow的開發者最多，大多數網上招聘的工作描述中也提到了它。TensorFlow背后站著Google。

Keras擁有“為人類而不是機器設計的API”。幾乎各項評估中，它都是第二流行的框架。Keras以TensorFlow、Theano或CNTK為底層引擎。如果你是深度學習的新手，建議從Keras開始。

總體而言，PyTorch是第三流行的框架，也是第二流行的獨立框架。它比TensorFlow要年輕，流行度的增速十分迅猛。它也支持TensorFlow尚不支持的一些定制。PyTorch背后站著的是Facebook。

Caffe是第四流行的框架。它差不多快5歲了。相對而言，某些雇主還要求熟悉Caffe，一些學術論文也還用Caffe，但最近使用Caffe的人不多。

Theano是蒙特利爾大學2007年研發的，也是最古老的有顯著影響力的Python深度學習框架。它的流行度降了一大截，主要開發者也宣布不會再發布加入新功能的大版本了。不過，目前仍有一些更新。Theano仍然是排名第五的框架。

亞馬遜使用Apache孵化的MXNET。它是第六流行的深度學習庫。

CNTK是微軟的認知工具集。它讓我想起了微軟其他很多產品，試圖和谷歌、Facebook提供的工具競爭，但沒贏得多少使用。

Deeplearning4J，也稱為DL4J，配套Java語言使用。它是唯一不提供Python接口的準流行框架。不過，你可以導入用Keras寫的模型。這也是唯一一個兩個不同的搜索項(Deeplearning4J和DL4J)偶爾返回不同結果的框架。我在每項測度中使用了較高的數字。由于這個框架的評分相當低，因此這并沒有帶來什么實質性的改變。

Caffe2是另一個Facebook開源產品。它基于Caffe構建，現在是PyTorch項目的一部分(同一GitHub倉庫)。由于現在Caffe2沒有自己的代碼倉庫，我使用了舊倉庫的GitHub數據。

Chainer是由日本公司Preferred Networks開發的框架。它有一小批使用者。

FastAI基于PyTorch構建。它的API借鑒了Keras，只需很少的代碼(比Keras還要少)就可以得到強力的結果。目前而言，FastAI屬于前沿框架，目前正處于為預計2018年10月發布的1.0版本重寫代碼的階段。FastAI的作者Jeremy Howard是Kaggle的主席。他曾經寫過一篇Introducing Pytorch for fast.ai，討論為何FastAI從使用Keras轉向創建自己的框架。

現在還沒有什么職位需要用這個框架，本身使用也不廣泛。然而，由于FastAI的免費在線課程很流行，自然而然就有不少使用者。這個框架強大易用，因此可能會很快普及。

標準

我選擇了以下7個類別來評估深度學習框架的流行度和關注度。

在線招聘描述

KDnuggets使用調研

谷歌搜索量

Medium文章

亞馬遜數據

ArXiv論文

GitHub熱度

數據采集自2018年9月16日至2018年9月21日，源數據可以通過谷歌試算表訪問：https://docs.google.com/spreadsheets/d/1mYfHMZfuXGpZ0ggBVDot3SJMU-VsCsEGceEL8xd1QBo/edit?usp=sharing

我使用了Python的pandas庫探索流行度，并使用plotly庫進行可視化。如果你想要查看可交互的plotly圖表，請訪問我在文章開頭提到過的Kaggle Kernel。

在線招聘描述

現在的工作市場上哪種深度學習庫需求更高?我搜集了LinkedIn、Indeed、Simply Hired、Monster、Angel List的上的數據。

毫無疑問，TensorFlow是這方面的贏家。如果你想找一份深度學習的工作，可以學一下TensorFlow。

我通過“machine learning”(機器學習)加庫名的方式搜索。比如，“machine learning TensorFlow”。我測試了若干搜索方法，這個方法可以得到相關性最高的結果。

之所以額外加上一個搜索詞，是因為有些框架的名字可能有歧義，比如Caffe可能有多種含義。

使用量

KDnuggets是一個流行的數據科學網站。它在調研軟件使用情況的時候提問：

你在過去12個月的真實項目上用了什么分析、大數據、數據科學、機器學習軟件?

讓人有點意外的是，Keras的使用量很高——差不多快趕上TensorFlow了。有意思，美國的雇主們熱衷找具備TensorFlow技術的人，而Keras的使用率差不多一樣高。

KDnuggets有好幾年的數據。盡管我在分析中只使用了2018年的數據，我需要指出，2017年后，Caffe、Theano、MXNET、CNTK的使用量下降了。

谷歌搜索熱度

最大搜索引擎上的網絡搜索量是一項很好的評估流行度的指標。我查看了過去一年谷歌趨勢的搜索歷史。谷歌沒有提供搜索量的絕對值，不過它提供了不同搜索項的對比圖形。

Keras和TensorFlow的差距不大，PyTorch位居第三，其他框架的搜索量相對較低。

現在，讓我們簡單看下搜索量隨時間的改變趨勢，這能提供歷史上下文。Google自帶兩年搜索趨勢變化的圖表。

紅：TensorFlow;黃：Keras;藍：PyTorch;綠：Caffe

過去一年里，TensorFlow的搜索量沒什么顯著增長，但Keras和PyTorch的搜索量增加了。谷歌趨勢只允許同時比較五個搜索項，所以其他框架在另外的圖表上比較——都沒顯示出什么明顯的趨勢，除了相對TensorFlow而言極低的搜索量。

發表

我納入了多種發表類型。讓我們先看下Medium文章。

Medium文章

Medium上有很多流行的數據科學文章和指南。

終于出現新贏家了，Keras超過了TensorFlow，而相比其他評估項，FastAI的表現很突出。

我猜想這可能是因為Keras和FastAI對初學者更友好。新的深度學習從業者對這兩個框架的興趣較大，而Medium上有大量教程。

我使用了谷歌的站內搜索，限定時間為12個月內，使用框架名加“learning”(學習)作為關鍵詞——同樣是為了避免“caffe”帶來的歧義。相比其他關鍵詞組合，這導致的搜索結果下降最少。

現在讓我們看下亞馬遜上有關這些框架的書籍數量。

亞馬遜書籍

我在Amazon.com的圖書 > 計算機技術分類下搜索每個深度學習框架的名稱。

TensorFlow又獲勝了。MXNET的書比期望的多，而Theano的書比期望的少。相對其流行度而言，PyTorch的書不多，這可能是因為這個框架比較年輕。注意這一測量偏向老框架，因為書的出版周期比較長。

ArXiv論文

機器學習方面的學術論文，最常發表在ArXiv上。我同樣使用谷歌站內搜索，限定時間為12個月內。

TensorFlow還是第一。注意，相比學術論文而言，Keras在Meidum和亞馬遜上要流行得多。PyTorch在這一類別排名第二，顯示它在實現新想法方面的靈活性。Caffe的評分也相對較好。

GitHub熱度

GitHub熱度是另一項框架流行度的指標。我為收藏、分叉、關注、貢獻者分別制作了圖表，因為這些數據更適合分別呈現，而不是混在一起。

TensorFlow也是最流行的，有大量活躍用戶?？紤]到FastAI甚至還不滿一歲，它在GitHub上的熱度相當不錯。有意思的是，相比另外三個測度，不同框架的貢獻者數量總體而言比較接近。

收集、分析了所有數據后，是時候將它們整合成一個測度了。

影響力評分過程

我是這樣得出影響力評分的：

將所有特征的尺度縮放至0到1

聚合在線招聘描述和GitHub熱度的子類別

根據下圖的權重對類別進行加權

如上圖所示，在線招聘描述、KDnuggets一組，網絡搜索、發表、GitHub熱度一組，平分權重。這樣劃分看起來是最合適的，平衡了多種類別。

為了便于查看，各項加權評分乘以100

累加每個框架的各項評分以得到單一的影響力評分

下為各個類別的統計數據：

下為加權和聚合子類別后的各項評分：

這就得到了文章開頭的圖表：

100是最高可能得分，意味著在所有類別都是第一。TensorFlow幾乎達到了100分，這并不令人意外，畢竟它在每個類別中都是第一(或者幾乎是第一)。Keras毫無爭議地位居第二。

我再重復一遍，如果你想要以可交互的方式查看圖表，或者分叉Jupyter Notebook，請訪問我開頭提到的Kaggle Kernel。

未來

目前為止，TensorFlow的領先地位難以動搖。短期內，它應該會繼續統治深度學習領域。不過，考慮到深度學習世界的飛速變革，長期來看，TensorFlow的領先可能發生變化。

時間會告訴我們，PyTorch是否能超越TensorFlow，就像React超越Angular一樣。這兩對框架還挺適合類比的。PyTorch和React都是由Facebook支撐的靈活度很高的框架，通常認為要比谷歌支撐的競爭者更容易使用。

FastAI能獲取課程之外的用戶嗎?它有一大堆自帶的學生用戶，比Keras對初學者更友好的API。

你覺得未來會怎么樣?請留言分享你的想法。

給學習者的建議

如果你掌握了Python、numpy、pandas、sklearn、matplotlib技能，考慮學習一個深度學習框架，我建議你從Keras開始。它的用戶數量很大，也受到雇主的認可，Medium上也有很多文章可以參考，API也很容易使用。

如果你已經掌握了Keras，決定下一個要學習的框架不太容易。我建議你選擇TensorFlow或者PyTorch，深入學習，以做出很棒的深度學習模型。

如果你想要熟練掌握需求量最大的框架，你應該選擇TensorFlow。但研究人員很喜歡用PyTorch，因為它既易用又靈活。Quora上有一個關于選TensorFlow還是PyTorch的問題：https://www.quora.com/Should-I-go-for-TensorFlow-or-PyTorch

如果你具備了這些框架的經驗，我建議你留意下FastAI。如果你想學習基礎和高級的深度學習技能，可以看下FastAI的免費在線課程。FastAI 1.0許諾讓你可以很容易地實現最新的深度學習策略，并快速迭代。

不管你選什么框架，我希望你現在對哪個深度學習框架需求最高，使用最多，文章最多有所了解。

本文來源：Medium