原文：
www.kdnuggets.com/2018/09/deep-learning-framework-power-scores-2018.html
评论
Jeff Hale，企业家
深度学习仍然是数据科学中最热门的领域。深度学习框架正在快速变化。就在五年前，除了 Theano 之外，没有任何一个领导者存在。
我希望找到哪些框架值得关注的证据，因此我开发了这个实力排名。我使用了 11 个数据源，涵盖了 7 个不同的类别，以评估框架的使用、兴趣和受欢迎程度。然后，我在这个 Kaggle Kernel中加权和合并了这些数据。
更新 2018 年 9 月 20 日：由于需求旺盛，我扩大了评估的框架，包括 Caffe、Deeplearning4J、Caffe2 和 Chainer。现在所有在 KDNuggets 使用调查中报告使用率超过 1% 的深度学习框架都被包含在内。
更新 2018 年 9 月 21 日：我在多个指标中进行了若干方法改进。
不再赘述，以下是深度学习框架的实力评分：
虽然 TensorFlow 是明显的赢家，但也有一些令人惊讶的发现。让我们深入了解一下！
所有这些框架都是开源的。除了一个框架，其他框架都可以与 Python 一起使用，并且有些可以与 R 一起使用或其他语言。
TensorFlow是无可争议的重量级冠军。它在 GitHub 活跃度、Google 搜索量、Medium 文章、Amazon 书籍和 ArXiv 文章中都是最多的。它也拥有最多的开发者使用，并且在在线招聘广告中出现频率最高。TensorFlow 得到了 Google 的支持。
Keras有一个“为人类而设计的 API，而非机器”。它几乎在所有评估领域中都是第二受欢迎的框架。Keras建立在 TensorFlow、Theano 或 CNTK 之上。如果你对深度学习很陌生，建议从 Keras 开始。
PyTorch是第三大最受欢迎的框架，也是第二大最受欢迎的独立框架。它比 TensorFlow 更年轻，并且在受欢迎程度上迅速增长。它允许 TensorFlow 不具备的自定义功能。它得到了 Facebook 的支持。
Caffe是第四大最受欢迎的框架。它已经存在近五年。它在雇主中相对有需求，并且经常出现在学术文章中，但最近的使用情况报道较少。
Theano是 2007 年在蒙特利尔大学开发的，是最早的重大 Python 深度学习框架之一。它已经失去了很多人气，其领导者声明主要版本不再在计划中。然而，更新仍在进行中。Theano 仍然是第五高分的框架。
MXNET由 Apache 孵化并被 Amazon 使用。它是第六大受欢迎的深度学习库。
CNTK是微软认知工具包。它让我想起了许多其他微软产品，因为它试图与 Google 和 Facebook 的产品竞争，但并未获得显著的采用。
Deeplearning4J，也称为 DL4J，是用于 Java 语言的。它是唯一一个没有 Python 版本的半流行框架。然而，你可以将用 Keras 编写的模型导入到 DL4J 中。这是唯一一个不同搜索词偶尔会有不同结果的框架。我使用了每项指标的较高数字。由于框架得分相当低，这没有实质性区别。
Caffe2是另一个 Facebook 的开源产品。它基于 Caffe，现在被托管在 PyTorch 的 GitHub 存储库中。由于它不再拥有自己的存储库，我使用了其旧存储库的 GitHub 数据。
Chainer是由日本公司 Preferred Networks 开发的框架。它有一个小众的追随者。
FastAI基于 PyTorch 构建。其 API 受 Keras 的启发，所需代码更少，效果却很强。FastAI 截至 2018 年 9 月中旬处于前沿阶段，正在进行 1.0 版本的重写，预计于 2018 年 10 月发布。Jeremy Howard，FastAI 的幕后推手，是顶尖的 Kaggler 和Kaggle的主席。他讨论了为何 FastAI 从 Keras 转向自己构建的框架，点击这里了解更多。
FastAI 目前尚未在职业中广泛需求，也未被广泛使用。然而，通过其受欢迎的免费在线课程，它拥有大量内置用户。它既强大又易于使用，未来的采用率可能会显著增长。
我选择了以下类别，以提供对深度学习框架的受欢迎程度和兴趣的全面视角。
评估类别：
-
在线职位列表
-
KDnuggets 使用调查
-
谷歌搜索量
-
Medium 文章
-
亚马逊书籍
-
ArXiv 文章
-
GitHub 活动
搜索是在 2018 年 9 月 16 日至 9 月 21 日进行的。源数据在 这个 Google 表格中。
我使用了 plotly 数据可视化库和 Python 的 pandas 库来探讨受欢迎程度。有关互动式 plotly 图表，请参见我的 Kaggle Kernel 这里。
今天的职位市场上哪些深度学习库最受需求？我在 LinkedIn、Indeed、Simply Hired、Monster 和 Angel List 上搜索了职位列表。
在职位列表中提到的框架中，TensorFlow 无疑是赢家。如果你想找一份做深度学习的工作，就学习它吧。
我使用了术语机器学习，然后是库名称。因此，TensorFlow 是通过机器学习 TensorFlow来评估的。我测试了几种搜索方法，这种方法给出了最相关的结果。
需要一个额外的关键词来区分这些框架和无关的术语，因为 Caffe 可能有多种含义。
KDnuggets，一个流行的数据科学网站，对全球的数据科学家进行了调查，了解他们使用的软件。他们询问了：
你在过去 12 个月中在实际项目中使用了哪些分析、大数据、数据科学、机器学习软件？
这里是这一类别框架的结果。
Keras 的使用量出乎意料地多——几乎和 TensorFlow 一样。很有趣的是，美国雇主显然在寻找 TensorFlow 技能，而在国际上，Keras 的使用频率几乎是一样的。
这一类别是唯一包含国际数据的类别，因为包含其他类别的国际数据会显得繁琐。
KDnuggets 报告了多年的数据。虽然我在这项分析中仅使用了 2018 年的数据，但我应当指出，自 2017 年以来，Caffe、Theano、MXNET 和 CNTK 的使用量都有所下降。
在最大的搜索引擎上的网页搜索是受欢迎程度的良好指标。我查看了过去一年在 Google Trends 上的搜索历史。谷歌没有提供绝对的搜索数量，但提供了相对数据。
我于 2018 年 9 月 21 日更新了这篇文章，因此这些分数包括了截至 2018 年 9 月 15 日的一周内全球搜索的机器学习与人工智能类别数据。感谢 François Chollet 提出的建议，改进了这个搜索指标。
Keras 与 TensorFlow 相差不远。PyTorch 排在第三位，其他框架的相对搜索量得分在四分之一或以下。这些得分用于功率得分计算。
让我们简要看看搜索量随时间的变化，以提供更多的历史背景。下方的图表来自 Google，展示了过去两年的搜索情况。
TensorFlow = 红色，Keras = 黄色，PyTorch = 蓝色，Caffe = 绿色
过去一年中，Tensor Flow 的搜索量并没有明显增长，但 Keras 和 PyTorch 的搜索量有所增加。Google Trends 仅允许同时比较五个术语，因此其他库在单独的图表中进行比较。除了 TensorFlow 外，其他库的搜索兴趣都很有限。
我在评分中包括了几种出版类型。让我们先来看 Medium 文章。
Medium 是流行的数据科学文章和指南的发布地。现在你在这里——太棒了！
最终出现了一个新的赢家。在 Medium 文章中的提及方面，Keras 超过了 TensorFlow。FastAI 的表现相较于平时也有所提升。
我假设这些结果可能是因为 Keras 和 FastAI 对初学者友好。它们受到了新手深度学习从业者的相当多关注，而 Medium 通常是教程的论坛。
我在过去 12 个月中使用框架名称和“learning”作为关键词在 Medium.com 上进行 Google 站点搜索。这个方法是为了防止“caffe”一词出现错误结果。它在几种搜索选项中减少的文章数量最小。
现在让我们看看哪些框架在亚马逊上有相关书籍。
我在 Amazon.com 上的 Books->Computers & Technology 分类下搜索了每个深度学习框架。
TensorFlow 再次获胜。MXNET 的书籍数量超出了预期，而 Theano 的书籍数量则较少。PyTorch 的书籍相对较少，但这可能是因为该框架较年轻。这项指标偏向于较老的库，因为出版一本书需要时间。
ArXiv 是大多数学术机器学习文章发布的在线存储库。我使用 Google 站点搜索结果，搜索了过去 12 个月每个框架在 arXiv 上的情况。
TensorFlow 在学术文章中继续保持相同的表现。注意 Keras 在 Medium 和亚马逊上的受欢迎程度远高于学术文章中的表现。PyTorch 在这一类别中位居第二，展示了其在实现新想法方面的灵活性。Caffe 的表现也相对较好。
GitHub 活动是框架受欢迎程度的另一个指标。我在下面的图表中分别列出了 stars、forks、watchers 和 contributors，因为它们分开来看比合在一起更有意义。
TensorFlow 显然是 GitHub 上最受欢迎的框架，拥有大量活跃用户。考虑到 FastAI 甚至还不到一年，它有一个相当不错的追随者。值得注意的是，贡献者水平在所有框架中更接近，而不是其他三个指标。
在收集和分析数据之后，到了将其整合成一个指标的时刻。
这是我创建权力评分的方法：
-
将所有特征缩放到 0 和 1 之间。
-
汇总的职位搜索列表和 GitHub 活动子类别。
-
根据以下权重对类别进行加权。
如上所示，在线职位列表和 KDnuggets 使用调查占总分的一半，而网络搜索、出版物和 GitHub 关注度占另一半。这种分配似乎是各种类别中最合适的平衡。
-
将加权得分乘以 100 以便于理解。
-
将每个框架的总类别得分汇总成一个总体评分。
这是数据：
以下是加权和汇总子类别后的得分。
这里再次展示了最终权力评分的漂亮图表。
100 是最高可能得分，表示在每个类别中都是第一名。TensorFlow 几乎达到了 100，这在看到它在每个类别中都接近或位于顶端之后并不令人惊讶。Keras 排在第二位。
要互动地查看图表或叉开 Jupyter Notebook，请访问 这个 Kaggle Kernel。
目前，TensorFlow 牢牢占据领先地位。在短期内它似乎会继续主导。不过，鉴于深度学习领域的变化如此之快，这种情况可能会改变。
时间会证明 PyTorch 是否会超越 TensorFlow，就像 React 超越 Angular 一样。这些框架可能是类比的。PyTorch 和 React 都是由 Facebook 支持的灵活框架，通常被认为比其由 Google 支持的竞争对手更容易使用。
FastAI 会在其课程之外获得用户吗？它有一个庞大的学生群体，API 比 Keras 更加适合初学者。
你认为未来会怎样？请在下方分享你的想法。
如果你考虑学习这些框架之一，并且拥有 Python、numpy、pandas、sklearn 和 matplotlib 技能，我建议你从 Keras 开始。它有大量用户基础，受到雇主的需求，Medium 上有很多相关文章，而且 API 使用起来很简单。
如果你已经了解了 Keras，它可能会很难决定下一个学习的框架。我建议你选择 TensorFlow 或 PyTorch 并好好学习，以便你可以创建出色的深度学习模型。
TensorFlow 显然是你想掌握市场需求框架的最佳选择。但 PyTorch 的易用性和灵活性使其在研究人员中越来越受欢迎。这是一个Quora 讨论关于这两个框架的对比。
一旦你掌握了这些框架，我建议你关注 FastAI。如果你想学习基础和高级深度学习技能，可以查看它的免费在线课程。FastAI 1.0 承诺让你轻松实现最新的深度学习策略，并迅速迭代。
无论你选择哪个框架，希望你现在对哪些深度学习框架最受需求、最常用以及最被讨论有了更好的理解。
个人简介: Jeff Hale (@discdiver) 是一位经验丰富的企业家和经理，拥有 MBA 和硕士学位。他专注于数据科学，并撰写关于机器学习、数据可视化和深度学习的文章。在 LinkedIn 上与他联系。
原文。经许可转载。
相关：
-
你应该知道的 9 件关于 TensorFlow 的事
-
Keras 四步工作流程
-
fast.ai 深度学习第一部分完整课程笔记
1. 谷歌网络安全证书 - 快速开启网络安全职业生涯。
2. 谷歌数据分析专业证书 - 提升你的数据分析能力
3. 谷歌 IT 支持专业证书 - 支持你的组织 IT