2022年，PyTorch将占据80%的顶级AI会议，成为研究人员和产业工作者的新宠。2018年底，Google推出了全新的JAX框架，其受欢迎程度一直在稳步上升。很多研究者对它寄予厚望，希望它能够替代TensorFlow等众多深度学习框架。但是，PyTorch和TensorFlow仍然是ML框架领域的两大玩家，其他新兴框架的力量暂时无法匹敌。然而，PyTorch和TensorFlow之间存在着权衡取舍的关系，力量对比也在悄然发生着变化。2019年10月，康奈尔大学本科生、PyTorch团队实习生HoraceHe统计了PyTorch和TensorFlow在学术界的使用情况。结果表明，研究人员大量涌向PyTorch，但在当时看来，业界的首选仍然是TensorFlow。如下图所示，从2019年年中开始，PyTorch在顶级会议的使用指标上已经超越了TensorFlow。资料收集时间：2019年10月。当时，开发者社区进行了一场热烈的讨论：未来，谁能迎来ML框架之战的“高光时刻”？两年后，HoraceHe再次给出了更新后的统计结果。截至目前，PyTorch在EMNLP、ACL、ICLR三大顶级会议中的占比均超过80%，而这一比例在其他会议中也保持在70%以上。短短两年时间，TensorFlow的生存空间明显缩水。PyTorch在学术界的“反超”，具体到每一届顶级会议。作者还在图表中展示了详细的数据：以CVPR为例，在CVPR2018之前，TensorFlow的使用率仍然高于PyTorch，而在接下来的一年里，情况将立即逆转。PyTorch在CVPR2019的使用率为22.72%（294篇），TensorFlow的使用率为11.44%（148篇）；到CVPR2020，这两个数字分别变成了28.49%（418篇）和7.7%（113篇）。篇）。在ICML、ICLR、NeurIPS等会议上，依旧是同样的竞争局面：PyTorch当之无愧，TensorFlow不断下滑。在ICLR2022中，PyTorch的使用率为32.20%（1091篇），TensorFlow则跌至6.14%（208篇），差距扩大了五倍。TensorFlow在学术界有前途吗？那么，一直处于观望状态的TensorFlow是如何走到今天这一步的呢？在Hackrnews社区，这个话题引发了开发者的热烈讨论：“在学术出版中，你可以将你的工作与SOTA进行比较是关键。如果你所在领域的其他人都在使用某种框架，那么你也应该使用。Pytorch有是过去几年我最常遵循的框架。”“但Tensorflow的亮点之一是静态图。随着模型变得越来越密集并且需要不同的部分并行执行，我们看到在PyTorch中运行模型的一些挑战。”按照这位开发者的说法，如果要并行做很多事情，Tensorflow还是有一些其他产品无法比拟的特性。这完全取决于你在做什么。还有人说，Tensorflow的没落是因为战略失误。“我认为Tensorflow在学术界做了一个糟糕的举动，因为它在早期版本中很难使用。当然，它的性能永远会比PyTorch更好，但是当你是一个工作量很大的博士生时，你就不太关心“你的代码有没有效率，更关心的是你的代码能不能运行。有人说PyTorch比较容易调试，所以那些早期的模型都是用PyTorch发布的，后来很多人都来了PyTorch。”你怎么认为？
