PyTorch vs. TensorFlow�A�f�B�[�v���[�j���O�t���[�����[�N�͂ǂ������g���ׂ������y2022�N�z�FAI�E�@�B�w�K�̃c�[�������C�u����

2��t���[�����[�N�ł���TensorFlow�^PyTorch�ɑ΂��Č����g�����h�⌤���_�����AKaggle���p���Ȃǂł̔�r���s���B�����Ƃ��āu�ǂ�����g���ׂ����v�ɂ‚��ĕM�҂Ȃ�̍l�@��������B

» 2022�N01��17�� 05��00�� ���J
[��F���F�C�f�W�^���A�h�o���e�[�W]

���̋L���͉������ł��B����o�^�i�����j����ƑS�Ă������������܂��B

uAIE@BwK̃c[CuṽCfbNX

�A�ږڎ�

�@�{�e�́A�y2019-2020�N�z���A�y2021�N�z���Ƒ����Ă���V���[�Y�́A2022�N�Ɍ������A���̃A�b�v�f�[�g�L���ƂȂ�B

�@�f�B�[�v���[�j���O�i�[�w�w�K�j����������ꍇ�A��p�̃��C�u�����^�t���[�����[�N��p����̂���ʓI���B���݁A��v�Ȃ��̂�������ƁA

  • TensorFlow�F 2015�N11���o��AGoogle���B���ɎY�ƊE�Ől�C
  • Keras�F 2015�N3���o��A��҂�Google�Ј��B�g���₷���ĊȒP�BTensorFlow 2�ɓ�������W��API��
  • PyTorch�F 2016�N8���o��AFacebook�i����Meta�j���B���Ɍ�������Ől�C
  • Apache MXNet�F 2015�N6���o��A2017�N7������Apache Software Foundation���BAWS���R���g���r���[�g���AAzure���T�|�[�g
  • JAX�F 2018�N11���o��AGoogle���BNumPy�݊��{���������{GPU�^TPU�T�|�[�g�B��������Œ��ړx�㏸��

�Ȃǂ�����i���@�B�w�K�̕���ɂ܂ōL�����scikit-learn�Ȃǂ����邪�A����͐[�w�w�K�ɍi��j�B��������I�[�v���\�[�X�ł���B

�@2022�N1�����݂��A���TensorFlow�^Keras��PyTorch���V�F�A�������Ă���󋵂ł���B���̏󋵂̌X����1�N�O�Ƃ��܂�ς��Ȃ����̂́A�ω��̃X�s�[�h���ɂ₩�ɂȂ��Ă������ʂ��o�Ă���̂Ŗ{�e�ʼn���������B

�@�{�e�ł�TensorFlow��PyTorch�Ƃ���2��t���[�����[�N�ɂ������‚��̔�r�i�����g�����h�A�����_���ł̊��p���AKaggle�ł̎��p���j���R���p�N�g�ɏЉ�Ă����B

TensorFlow��PyTorch�̓��F

�@�܂��O��Ƃ��āA����2��t���[�����[�N�̓��F���������Ă��������B�Ƃ͂����A���ꂼ��̓��F�́A�ȉ��̂悤�ɂ������N�ԁA���܂�ς���Ă��Ȃ��B

  • TensorFlow�̓��F�F Keras�ŊȒP�Ɏ����ł��A�^�p�T�|�[�g��������A���p�^�r�W�l�X���ʂɋ���
  • PyTorch�̓��F�F �J�X�^�}�C�Y�⃍�W�b�N�̔c�������₷���A���Ɍ������ʂɋ���

�@�����̓��F�ɍ��킹���g���ݕ����h���m�����Ă���̂ŁA��������̎w�W�Ƃ��āu�����_���ł̊��p���v�A���p�ʂł̎w�W�Ƃ��āuKaggle�ł̎��p���v�̃O���t��񎦂���B���̑O�ɁA����ʓI�ȌX���̎w�W�Ƃ��āu�����g�����h�v�̔�r�O���t�����Ă������B

�����G���W���ł̃g�����h��r

�@�����g�����h�̔�r�ł́ATensorFlow��PyTorch�̃g�����h���ڂ��r����i��JAX���܂߂Ă��悩�������A�u�W���N�\���r�����ۋ�`�iJAX�j�v�Ȃǂ̕ʒP�ꂪ���邽�߂ɐ��m�Ƀg�����h��ǂ��Â炢�̂ŏȂ����j�B��r���Ԃ́A2019�N1��1���`2022�N1��10���ł���B�L�������V���v���ɂȂ�悤�u���E�v�ɍi���ĉ������B���{�Ǝ��̓��F�Ȃǂ�����ꍇ�́A���͂ŊȒP�Ɍ��y���邱�ƂƂ���B

�@�Ȃ��A�����g�����h���r���邱�ƂɊւ��ẮA�u�^�̐l�C�𔽉f���Ă���Ƃ͈�T�Ɍ����Ȃ���ˁv�Ƃ����^�S���M�Ҏ��g�̒��ɂ�����̂����A�u�܂���O���t�̌����ŁA�����X�������ތX�����́A������x���ʂł���v�ƍl���Ă���̂ŁA�{�e�ł��Љ�邱�Ƃɂ����B�����܂Łu�����G���W���v�Ƃ�������ȃv���b�g�t�H�[����ł̃g�����h��r�Ȃ̂ŁA�u�ǂꂪ��Ԑl�C���v�𔻒f����ۂɂ́A���̕�����������đ����Ăق����B

���E

}1@Googleghł̃t[[NrF EiSĂ̍j �}1�@Google�g�����h�ł̃t���[�����[�N��r�F ���E�i�S�Ă̍��j

�@�‚�����TensorFlow�ŁA�Ԃ�����PyTorch�ł���B2018�N�����TensorFlow�����������V�F�A���߂Ă������A���̍��͏��X�ɏk�܂���2021�N2�����_�iTensorFlow�F44.5�APyTorch�F43.5�j�łقڍ����Ȃ��Ȃ�A5�����_�iTensorFlow�F47.5�APyTorch�F48.8�j��PyTorch��TensorFlow���t�]���Ĕ����A2021�N12�����_�iTensorFlow�F38�APyTorch�F43.4�j�ł�PyTorch����⃊�[�h���Ă�����̂́A�����܂ō��͍L���炸�ɍ���󋵂������Ă���B

�@2018�`2019�N��PyTorch�����|�I�ȏ㏸�����������A2020�N�ȍ~�͂��̐L�т���܂艡�΂��������Ă���i50�|�C���g�O���j�B

�@����ŁATensorFlow��2019�`2020�N�ɑ傫�������������i��80��50�|�C���g�O���j�A2021�N�͂��̉������݉����Ă����悤�Ɍ�����i��50��40�|�C���g�O���j�B

�@2022�N1�����݂̗\�z�ł́A2022�N���܂œ����X���������̂ł���΁APyTorch�����܂�㏸�ł����ATensorFlow�͉���������ɓ݉�������Ƃ������ƂɂȂ�A�‚����ƐԂ��������т��ї��ݍ������킪���������ł���B

�@�Ȃ����{��č��ɂ����ẮA�u���E�v������������2020�N�ɓ����Ă��痼�҂̍����قڂȂ��Ȃ�A2020�N����TensorFlow��PyTorch�Ƃ��ɏ��������A2021�N�ȍ~�͂��PyTorch���킸���Ƀ��[�h������̂́A�‚����ƐԂ�������ɗ��ݍ�������󋵂ʼn��΂��ƂȂ��Ă���B

�����_���ł̊��p��

�@�ʏ�A�����_���ł̃t���[�����[�N���p���𒲂ׂ�̂͑�ς��B�{�V���[�Y�̉ߋ��L���ł�Horace He����Web�A�v���Ő��������O���t���g���Ă������A�i2022�N1�����݂Łj�c�O�Ȃ���2021�N�̊w��̃f�[�^�͍X�V����Ă��Ȃ��悤�Ȃ̂ŁA�g�p�ł��Ȃ������B����ɁA�uPapers With Code : Trends�v���񋟂���u�t���[�����[�N�ʂ̘_���������̃O���t�v�����p���āA��������ł̃g�����h���r����B��r���Ԃ́A2017�N12��1���`2021�N12��31���ł���B

TensorFlow��PyTorch�̃V�F�A��

�@�}2�̃O���t�́A�����ɂ�TensorFlow��PyTorch�����łȂ��AJAX��MXNet���܂߂Ă���̂Œ��ӂ��Ăق����B2��t���[�����[�N�ȊO�ł́A�uNumPy���C�N�Ɏ��R�Ɏ����ł���JAX�̐l�C���A���Ɍ����R�~���j�e�B�[�ō��܂��Ă���v�Ƃ�����񂪂���̂Łi�Q�l�F�uPyTorch vs TensorFlow in 2022�v�j�A�}2�̃O���t�Ɋ܂߂Ă݂����AJAX����1���AMXNet����0���Ɣ��ɏ������V�F�A���ŁA��͂�܂��܂���r�ł���قǂɂ͂Ȃ��Ă��Ȃ��悤�ł���B

�@�����ł́A4�‚̃t���[�����[�N�ɂ�����V�F�A���̂����ATensorFlow��PyTorch�̃V�F�A����r�ɍi���Đ�������BJAX��MXNet�́A100�����߂�̈�ւ̉e���͌y�����Ǝv���̂ŁA�������邱�Ƃɂ����B

}2@t[[Nʂ̘_̃OtiF|Wg쐬AcF̃VFAj �}2�@�t���[�����[�N�ʂ̘_���������̃O���t�i�����F���|�W�g���쐬���A�c���F�����̃V�F�A���j
���p���F�uPapers With Code : Trends�v

�@�I�����W�F�̗̈悪TensorFlow�ŁA�Ԃ��̈悪PyTorch�ł���B2017�N12�����_�iTensorFlow�F58���APyTorch�F42���j�ł�TensorFlow�̕��������_�������V�F�A���߂Ă������A���̍��͏��X�ɏk�܂���2019�N3�����_�iTensorFlow�F46���APyTorch�F52���j��PyTorch��TensorFlow���t�]���Ĕ����A2021�N3���iTensorFlow�F19���APyTorch�F80���j�ȍ~�ł�PyTorch��80���ȏ��Ƒ傫�����[�h�����܂ܗ��������Ă��Ă���B

�N�� TensorFlow�iT�j T�̑��� PyTorch�iP�j P�̑��� P-T�̍� ���̑���
2017�N12�� 58�� - 42�� - -16 -
2018�N12�� 53�� �|5 46�� �{4 -7 �{9
2019�N12�� 36�� �|17 63�� �{17 27 �{34
2020�N12�� 23�� �|13 76�� �{13 53 �{26
2021�N12�� 15�� �|8 84�� �{8 69 �{16
�\2�@TensorFlow��PyTorch�̑����\

�@�u�������ʂ�PyTorch���قڐ��������v�ƌ�����Ǝv�����APyTorch�̃V�F�A�������܂�ɂ‚�āA�V�F�A���̑����y�[�X�͓��R�Ȃ���݉����Ă��Ă���i�\1�́m���̑����n����Q�Ɓj�B�N���ɂ�6�|�C���g������90�����x�ɂȂ邮�炢�̃y�[�X�Ɍ�����B���ۂ�2022�N���܂łɁAPyTorch��90���ȏ��ɂ܂ŃV�F�A�������߂��邩�ǂ��������ڃ|�C���g�ƂȂ邾�낤�B

Kaggle�ł̎��p��

�@��������ɑ����āA���p�^���H�ʂł̊��p�����r���Ă݂悤�B

�@�B�w�K�ł̃t���[�����[�N�̗��p��

�@Kaggle�Ȃǂ̃f�[�^�T�C�G���X�^�@�B�w�K�̃R���y�e�B�V�����́A�u�������₷�����ł͂Ȃ��A�����Ɍ����I�Ɏ��p�ł��邩�v�Ƃ������_�Ńt���[�����[�N���I������Ă���A�Ɩ{�e�ł͑z�肵�Ă���BKaggle�ł�2017�N���疈�N�AKaggle�Q���҂ɃA���P�[�g������Ă���A2021�N�ł̃A���P�[�g���ʃ��|�[�g�wState of Data Science and Machine Learning 2021�x�����J����Ă���̂ŁA���̒�����u�t���[�����[�N�̗��p���v�̃O���t��}3�Ɉ��p����B

}3@pʂł̃t[[NrF @BwKł̃t[[N̗piΏہFKaggleQҁj �}3�@���p�ʂł̃t���[�����[�N��r�F �@�B�w�K�ł̃t���[�����[�N�̗��p���i�ΏہFKaggle�Q���ҁj
���p���F�wState of Data Science and Machine Learning 2021�x

Copyright© Digital Advantage Corp. All Rights Reserved.

'; this.insertTarget = document.querySelector('#cmsBody .subscription') || document.querySelector('#cmsBody .inner'); }; BodyAdIMSWithCCE.prototype = Object.create(BodyAdContent.prototype); BodyAdIMSWithCCE.prototype.activate = function () { refreshGam('InArtSpecialLink'); } // global reference window.itm = itm; //entry point BodyAdEventBase.polyfill(); const bodyAdManager = BodyAdManager.getInstance(); bodyAdManager.addEventListener(BodyAdManager.EVENTS.READY, function (ev) { bodyAdManager.loadAdvertise(); }); bodyAdManager.init(); })();
�X�|���T�[����̂��m�点PR

���ڂ̃e�[�}

Microsoft  WindowsőO2025
AI for GWjAO
[R[h^m[R[h Zg by IT - ITGWjArWlX̒SŊ􂷂gD
Cloud Native Central by IT - XP[uȔ\͂gD
�V�X�e���J���m�E�n�E �y�����i�r�zPR
���Ȃ��ɂ������߂̋L��PR

RSS�ɂ‚���

�A�C�e�B���f�B�AID�ɂ‚���

���[���}�K�W���o�^

��IT�̃��[���}�K�W���́A �������A���ׂĖ����ł��B���Ѓ��[���}�K�W�������w�ǂ��������B