透過這四個方面的對比，作者最後得出結論，TensorFlow 在大多數領域仍然處於領先地位，但 PyTorch 正在取得進展並逐漸縮小差距。
其實，這已經不是這位作者第一次調研深度學習框架了。從 2018 年到 2020 年，他先後進行過三次調查研究併發布了相關報告。從這些報告中，我們可以看出深度學習框架在多個維度的熱度演變史。
2018：TensorFlow 碾壓 PyTorch
Jeff Hale 的第一份調研結果釋出於 2018 年 9 月。他在那次調研中發現，TensorFlow 是當時的絕對冠軍。在 GitHub 活躍度、谷歌搜尋量、Medium 文章數、亞馬遜書籍和 arXiv 論文等維度上所佔的比重都是最大的。此外，TensorFlow 還擁有最多的開發者使用者，相關的網上職位描述也是最多的。
2018 年調研得出的深度學習框架實力得分排名。
相比之下，當時的 PyTorch 只能排到第三，得分比當時的第二名 Keras 還要矮上一截。
各個框架在 2018 年調研結果中的加權得分。從中可以看出，TensorFlow 在絕大多數指標中都是絕對冠軍，而 PyTorch 大多居於第三名。
2019：PyTorch 火力全開，TensorFlow 增長乏力
2019 年 4 月，Jeff Hale 釋出了第二份調查結果。這次，他調研了幾個框架在過去 6 個月（此次調研與上次調研之間的時間間隔）裡的增長情況。結果發現，TensorFlow 仍然是當時需求量最大、增長最快的框架，但 PyTorch 也不容小覷，在過去的六個月增速超過了原來的第二名 Keras。
2019 年調研得出的深度學習框架增長排名。
值得注意的是，當時的 PyTorch 在職位數量增長方面尤其亮眼，與 TensorFlow 之間的差距非常小。而且，除了領英之外，PyTorch 在所有求職網站上的職位增加量都超過了 TensorFlow。
而在谷歌搜尋相對數量方面，TensorFlow 當時已經出現了負增長。這表示，在過去六個月，TensorFlow 的相對搜尋數量減少，而 PyTorch 的相對搜尋數量增加。
2020：PyTorch 頂會獨領風騷，職場優勢追趕 TensorFlow
轉眼到了 2020 年，框架之爭只剩下 PyTorch 和 TensorFlow 兩個實力玩家。所以這次，作者把調研的全部精力都放在了這兩個框架上。
在這次調研進行時，兩個框架已經越來越像了，即出現了「融合」趨勢。二者現在都可以在動態 eager execution 模式或靜態圖模式下執行。
截至目前，PyTorch 已經更新到了 1.4，增加了不少新特性來迎合業界，在谷歌雲 TPU 上執行起來也更加容易。此外，PyTorch 的社群也在不斷擴大，除了最近的 OpenAI，深度學習開源框架 Chainer 的維護者 Preferred Networks（PFN）也於去年底宣佈，該團隊今後將不再進行 Chainer 的重大升級，今後的研究方向將轉向 PyTorch。
TensorFlow 2.0 也引入了不少新的改進，使得 API 更加精簡，對大腦更加友好。此外，TensorFlow 緊密整合了 Keras 作為其前端和高階 API。
與 PyTorch 相比，TensorFlow 在產品和邊緣裝置深度學習中仍然擁有更加豐富的功能，但是 PyTorch 的功能也在逐漸完善。
在此背景下，此次調研從以下四個評估指標著手，即線上職位數量、頂會論文中出現次數、線上搜尋結果和開發者使用情況。
線上職位數量
2020 年 1 月 26 日，作者搜尋了 Indeed、Monster、SimplyHired 和 LinkedIn 四個（美國）求職網站中關於 TensorFlow 和 PyTorch 的關鍵詞。
搜尋結果如下圖所示，TensorFlow 在每個求職網站出現的次數大約是 PyTorch 的兩倍。
以百分比計數展示結果如下：
在 10 個月前的調研結果（即 2019 年調研結果）中，TensorFlow 出現在職位列表中的次數是 PyTorch 的三倍，如今差距進一步縮短，降到了兩倍。
頂會論文中的出現次數
當前，PyTorch 在頂會論文中出現的次數最多。如下圖所示，前 PyTorch 實習生 Horace He 做了一個圖表，展示了各大頂會（2017 年-2019 年）論文中，PyTorch 出現次數在 TensorFlow/PyTorch 總出現次數中的佔比情況：佔比超過 50% 意味著在該頂會論文中 PyTorch 出現的次數多於 TensorFlow。從圖中可以看出，PyTorch 在各大頂會中的出現次數幾乎都超過了 TensorFlow。
圖源：https://chillee.github.io/pytorch-vs-tensorflow/
下圖展示了 PyTorch 和 TensorFlow 在 NeurIPS 會議論文中（2016 年-2019 年）的直觀對比和趨勢發展，實線代表 PyTorch，虛線代表 TensorFlow：其中，在 2019 NeurIPS 會議論文中，PyTorch 出現 166 次，TensorFlow 出現 74 次，是後者的兩倍之多；而在 2018 年 NeurIPS 會議論文中，PyTorch 的出現次數還是少於 TensorFlow 的。這些可以看出兩種框架近年來的發展趨勢。
圖源：https://chillee.github.io/pytorch-vs-tensorflow/
線上搜尋結果
作者透過 Google Trends 找出了 2017 年 1 月 26 日至 2020 年 1 月 26 日期間，PyTorch（軟體）和 TensorFlow（計算機應用）的相對搜尋量。
下圖是谷歌搜尋結果（Google Search Results）線性趨勢線，藍色代表 TensorFlow，紅色代表 PyTorch。從圖中可以看出，TensorFlow 的性對搜尋量呈下降趨勢，而 PyTorch 呈增長趨勢，二者差距越來越小。
圖源：https://public.tableau.com/profile/jeff.hale6436#!/vizhome/shared/SCFBWY2SP
開發者使用情況
在 2019 年初的 Stack Overflow 開發者調研中，10% 的受訪者使用 TensorFlow，3.3% 的受訪者使用 Torch/PyTorch。專業開發人員的使用佔比情況同樣如此（9.4%vs 2.9%）。但鑑於資料取自 2019 年初，現在的真實情況可能有所變化。
總之，線上職位數量中，TensorFlow 的出現次數依然多於 PyTorch，但差距正在縮小；PyTorch 在頂會論文中出現的次數一直處於領先地位，並在谷歌搜尋結果中進一步縮小了與 TensorFlow 的差距；在最近一次的 Stack Overflow 開發者調研中，TensorFlow 的使用佔比依然是 PyTorch 的三倍。
最後，作者表示，他關於 TensorFlow 和 PyTorch 兩種深度學習框架的調研還會繼續下去，但目前仍不確定未來兩年選擇哪種框架最合適。但他認為，TensorFlow 是更加安全的選擇。
最後，作者為想要學習深度學習的讀者提供了一些有用的資源：如 course.fast.ai 網站：https://course.fast.ai/index.html。
此外，機器之心最近也盤點了過去幾年的優質教程，大家可以收藏學習（參見《收藏、退出一氣呵成，2019 年機器之心乾貨教程都在這裡了》）。
相關閱讀：
2018 調研結果：《2018 年最熱門的深度學習框架？這份科學的排行榜可以告訴你》
2019 調研結果：《2019 年，TensorFlow 被拉下馬了嗎？》
參考連結：
https://towardsdatascience.com/is-pytorch-catching-tensorflow-ca88f9128304