Googleトレンドから、主要なディープラーニングフレームワークの人気がわかる

ディープラーニングはコンピュータービジョンや自然言語処理などの分野でますます大きな成果を上げており、ディープラーニングに関する議論もますます盛んになっています。現在最もホットな話題として、2015年から現在までのわずか3年間で、Google、Facebook、Microsoftなどの海外大手企業や、Baidu、Xiaomiなどの国内企業が、ディープラーニングをめぐる一連のオープンソースフレームワークを立ち上げました。

Googleは2015年末にTensorFlowをリリースした。オープンソース化された際、GoogleはオープンソースのTensorFlowがGoogleの人工知能の展開を加速させ、人工知能の開発がますます重要になる将来においてGoogleがさらに優位に立つのに役立つ可能性があると述べた。 TensorFlowは過去3年間、開発者コミュニティで高い評価を受け、最も一般的に使用されているディープラーニングフレームワークの1つになりました。現在、Eager Executionダイナミックグラフメカニズムをサポートしているだけでなく、NVIDIA TensorRTも統合しています。さらに、TensorFlow Chinese Community Forum（https://www.tensorflowers.cn）も正式に開始されました。

2016 年の初めに、Microsoft は CNTK ディープラーニング ツールキットをオープンソース化しました。 CNTK はスケーラビリティ、速度、精度が非常に優れており、音声認識の分野で広く使用されています。その後の改良により、このフレームワークは ONNX 標準のサポートを強化し、分散トレーニングにおける複数のパフォーマンス向上をもたらしました。

2017 年初頭、Facebook は Torch をベースにした Python 言語用の新しい機械学習ツールキット PyTorch をリリースしました。現在、PyTorch は Caffe2 と ONNX を統合して、柔軟で研究中心の設計を維持しながら、モジュール式の生産指向の機能をサポートしています。

中国では、2016年8月末に百度が自社開発したディープラーニングプラットフォーム「PaddlePaddle」をオープンソース化した。 2017 年 11 月、PaddlePaddle は PaddlePaddleFluid、PaddlePaddleCloud、PaddlePaddleEDL という 3 つの新機能をリリースしました。この 3 つの新機能のリリースにより、PaddlePaddle の使いやすさがさらに向上し、効率が向上し、開発者の敷居が下がりました。

今年7月、Xiaomiもオープンソースを採用し、独自のディープラーニングフレームワークMACEをリリースしました。 MACE は TensorFlow および Caffe モデルをサポートし、トレーニング済みモデルを独自のモデル データ ファイルに変換できる変換ツールを提供していると報告されています。また、モデルを C++ コードに変換することも選択でき、動的ライブラリまたは静的ライブラリの生成をサポートし、モデルの機密性を向上させることもできます。

今年、Leifeng.com AI Technology Reviewもこれらの発展と変化を注視してきました。どのディープラーニングフレームワークを使用するかという問題も、多くの業界関係者の間で議論を巻き起こしました。どのフレームワークが最も人気があるかは、Googleトレンドから明らかになるかもしれません。

過去 3 年間の Google トレンドの統計から、世界中のコンピューター サイエンスの分野では、TensorFlow、Keras、PyTorch、Caffe、Theano の 5 つのフレームワークのうち、TensorFlow が常に Google ウェブ検索の人気でトップの座を占め、Keras が 2 位にランクされていることがわかります。

​​

過去 12 か月のデータを見ると、これら 5 つのフレームワークの人気は比較的緩やかに変動していることがわかります。

​​

過去 12 か月間の中国での検索データから、TensorFlow が依然として人気をリードしているものの、PyTorch の平均的な人気は Keras よりも高いことがわかります。

​​

過去 12 か月間の米国の検索データから、Keras の検索人気は PyTorch よりも高いことがわかります。

​​

フレームワークを検索した後、人々はどのような関連クエリを実行するでしょうか?

過去 3 年間の世界的な検索データに基づくと、TensorFlow 関連のクエリの上位 3 つのホットワードは次のようになります。

• python テンソルフロー
• テンソルフロー機械学習
• テンソルフロー github

Keras 関連クエリの上位 3 つのホットワードも TensorFlow に関連しています。

• ケラス パイソン
• テンソルフローケラス
• テンソルフロー

PyTorch のホットワードのトップ 3 も TensorFlow に関連しています。

• pytorch github
• LSTM パイトーチ
• テンソルフロー

上記の統計を組み合わせると、TensorFlow が現在さまざまなディープラーニング フレームワークを支配していることがわかります。過去 1 年間のアップデートから判断すると、Google は TensorFlow の使いやすさと効率性を強化してきました。たとえば、今年リリースされた Swift for TensorFlow は、TensorFlow 計算グラフの柔軟性と表現力を Eager Execution と組み合わせるとともに、ソフトウェア アーキテクチャ全体の各レイヤーの使いやすさの向上にも重点を置いています。

さらに、TensorFlow 中国コミュニティフォーラムが立ち上げられ、技術的な質問と回答、チュートリアルの共有、事例紹介などのコラムが提供され、中国での TensorFlow の開発促進を目指しています。

もちろん、ディープラーニング フレームワークの使用に関する議論が止むことはなく、Keras と PyTorch には現在かなり大きなコミュニティがあります。

どのフレームワークを使用するのが良いでしょうか? 各フレームワークの長所と短所は何ですか? Leifeng.com AI 学習コミュニティには、さまざまなフレームワークを網羅したさまざまな実践的なチュートリアルがあります。それらを読めば、自分に最適なディープラーニング フレームワークを必ず選ぶことができると思います。