Python용 TensorFlow가 천천히 죽어가는 이유

​기술 분야에서는 늘 '종파간 전쟁'이 있어 왔습니다. 다양한 운영 체제, 클라우드 제공업체 또는 딥 러닝 프레임워크의 장단점에 대한 논쟁이든, 맥주 몇 잔만 있으면 사실은 사라지고 사람들은 성배처럼 지원하는 기술을 놓고 싸우기 시작합니다. 전쟁.

IDE에 대한 논의는 끝이 없는 것 같습니다. 어떤 사람들은 VisualStudio를 선호하고, 어떤 사람들은 IntelliJ를 선호하고, 또 다른 사람들은 Vim과 같은 평범하고 오래된 편집기를 선호합니다. 당신이 사용하는 텍스트 편집기는 종종 사용자의 성격을 반영한다고 항상 이야기되어 왔습니다. 이것은 다소 터무니없게 들릴 수도 있습니다.

AI 기술이 등장한 후 딥 러닝 프레임워크인 PyTorch와 TensorFlow의 두 진영 사이에 비슷한 "전쟁"이 벌어진 것 같습니다. 두 진영 모두 뒤에는 많은 지지자들이 있으며, 둘 다 자신이 선호하는 프레임워크가 최고인 데에는 충분한 이유가 있습니다.

그런데 데이터를 보면 분명한 사실이 드러납니다. TensorFlow는 현재 가장 널리 사용되는 딥러닝 프레임워크입니다. 매달 StackOverflow에서 PyTorch보다 거의 두 배나 많은 질문을 받습니다.

그런데 최근 PyTorch가 아주 잘 발전하고 있는 데 비해 TensorFlow 사용자는 늘지 않았습니다. 이 기사 이전에는 PyTorch가 꾸준히 인기를 얻고 있었습니다.

완성을 위해 아래 이미지에는 TensorFlow와 거의 같은 시기에 출시된 Keras도 표시되어 있습니다. 분명히 Keras는 최근 몇 년 동안 성능이 저조했습니다. 이는 Keras가 대부분의 딥 러닝 실무자의 요구 사항에 비해 약간 단순하고 너무 느리기 때문입니다.

TensorFlow의 성장은 정체된 반면 PyTorch의 인기는 여전히 높아지고 있습니다.

StackOverflow 동향의 차트

TensorFlow의 StackOverflow 트래픽은 빠르게 감소하지 않을 수 있지만 여전히 감소하고 있습니다. 따라서 이러한 하향 추세는 특히 Python 공간에서 향후 몇 년 동안 더욱 두드러질 것이라고 생각할 충분한 이유가 있습니다.

PyTorch는 더욱 Python적인 프레임워크입니다.

Google에서 개발한 TensorFlow는 2015년 말 딥 러닝 파티에 등장한 최초의 프레임워크 중 하나였습니다. 그러나 다른 소프트웨어와 마찬가지로 첫 번째 버전은 항상 사용하기가 상당히 번거롭습니다.

이것이 Meta(Facebook)가 TensorFlow와 기능은 유사하지만 작동이 더 편리한 기술로 PyTorch를 개발하기 시작한 이유입니다.

TensorFlow 개발팀은 이 사실을 빠르게 알아채고 TensorFlow 2.0 주요 버전 업데이트에서 PyTorch의 가장 인기 있는 기능 중 다수를 채택했습니다.

경험상 좋은 규칙은 사용자가 PyTorch에서 할 수 있는 모든 것을 TensorFlow에서 할 수 있다는 것입니다. 코드를 작성하려면 두 배의 노력이 필요합니다. 오늘날에도 그것은 그다지 직관적이지 않고 매우 비비단적인 느낌을 줍니다.

반면, Python을 사용하는 것을 좋아하는 사용자에게는 PyTorch 경험이 매우 자연스럽습니다.

많은 회사와 교육 기관에는 대형 모델을 구축하는 데 필요한 강력한 컴퓨팅 성능이 없습니다. 그러나 기계 학습에서는 규모가 가장 중요합니다. 모델이 클수록 성능이 향상됩니다.

HuggingFace의 도움으로 엔지니어는 훈련되고 조정된 대규모 모델을 단 몇 줄의 코드만으로 작업 흐름 파이프라인에 통합할 수 있습니다. 그러나 놀랍게도 이러한 모델 중 85%는 PyTorch에서만 작동합니다. HuggingFace 모델 중 약 8%만이 TensorFlow에 고유합니다. 나머지는 두 프레임 간에 공유될 수 있습니다.

즉, 오늘날 많은 사용자가 대형 모델을 사용할 계획이라면 TensorFlow를 멀리하는 것이 좋습니다. 그렇지 않으면 모델 교육을 위해 많은 컴퓨팅 리소스를 투자해야 합니다.

PyTorch는 학생 및 연구 용도에 더 적합합니다.

PyTorch는 학계에서 더 인기가 있습니다. 이는 이유가 없는 것이 아닙니다. 연구 논문의 4분의 3이 PyTorch를 사용합니다. TensorFlow를 사용하기 시작한 연구자들 사이에서도(기억하세요. TensorFlow는 딥 러닝에서 훨씬 더 일찍 나왔습니다) 이제 대부분이 PyTorch를 사용하게 되었습니다.

Google이 AI 연구에서 중요한 역할을 하고 주로 TensorFlow를 사용하고 있음에도 불구하고 이 놀라운 추세는 계속 유지됩니다.

좀 더 논리적으로 보면, 연구는 교육에 영향을 미치고 학생들이 무엇을 배울 것인지를 결정합니다. PyTorch를 사용하여 대부분의 논문을 출판하는 교수는 강의에서 PyTorch를 사용하는 경향이 더 큽니다. PyTorch에 대해 더 쉽게 가르치고 질문에 답할 수 있을 뿐만 아니라 PyTorch의 성공에 대한 더 강한 믿음을 가질 수도 있습니다.

따라서 대학생들은 TensorFlow보다 PyTorch에 대해 더 많이 알 수도 있습니다. 게다가 오늘의 대학생이 내일의 직장인이라는 점을 생각하면 이러한 추세의 방향은 짐작할 수 있습니다...

PyTorch의 생태계는 더 빠르게 발전하고 있습니다

결국 생태계에 참여해야만 소프트웨어가 프레임워크가 중요합니다. PyTorch와 TensorFlow 모두 HuggingFace 외에 훈련 모델을 위한 리포지토리, 데이터 관리 시스템, 오류 방지 메커니즘 등을 포함하여 상당히 발전된 생태계를 갖추고 있습니다.

지금까지 TensorFlow의 생태계는 여전히 PyTorch보다 약간 더 발전했다는 점을 언급할 가치가 있습니다. 그러나 PyTorch는 나중에 출시되었으며 지난 몇 년 동안 상당한 사용자 성장을 보였습니다. 따라서 PyTorch의 생태계는 언젠가 TensorFlow를 능가할 수도 있습니다.

TensorFlow는 인프라 배포가 더 좋습니다

TensorFlow 코드는 작성하기 번거롭지만 일단 작성되면 PyTorch보다 배포하기가 훨씬 쉽습니다. TensorFlow 서비스 및 TensorFlow Lite와 같은 도구는 클라우드, 서버, 모바일 및 IoT 장치에 즉시 배포할 수 있습니다.

반면, PyTorch는 릴리스 도구 배포와 관련하여 항상 느릴 정도로 느렸습니다. 하지만 최근에는 더욱 빠른 속도로 TensorFlow와의 격차를 줄여나가고 있습니다.

현재로서는 예측하기 어렵지만 앞으로 몇 년 안에 PyTorch가 TensorFlow의 인프라 배포를 따라잡거나 심지어 능가할 가능성이 매우 높습니다.

배포 후 프레임워크를 전환하는 데 비용이 많이 들기 때문에 TensorFlow 코드는 한동안 계속 존재할 수 있습니다. 그러나 PyTorch를 사용하여 새로운 딥 러닝 애플리케이션이 점점 더 많이 작성되고 배포될 것으로 예상됩니다.

TensorFlow가 Python의 전부는 아닙니다

TensorFlow는 사라지지 않습니다. 예전만큼 덥지 않습니다.

핵심 이유는 Python을 기계 학습에 사용하는 많은 사람들이 PyTorch로 전환하고 있기 때문입니다.

Python이 기계 학습을 위한 유일한 언어는 아니라는 점에 유의해야 합니다. 머신러닝을 위한 대표적인 프로그래밍 언어이며, 이것이 TensorFlow 개발자들이 Python에 지원을 집중하는 유일한 이유입니다.

이제 TensorFlow는 JavaScript, Java 및 C++에서도 사용할 수 있습니다. 커뮤니티는 Julia, Rust, Scala 및 Haskell과 같은 다른 언어에 대한 지원도 개발하기 시작했습니다.

PyTorch는 극도로 Python 중심적이므로 Python처럼 느껴집니다. C++ API가 있더라도 다른 언어에 대한 지원은 TensorFlow의 절반도 되지 않습니다.

PyTorch가 Python의 TensorFlow를 대체할 수도 있습니다. 반면 TensorFlow는 뛰어난 생태계, 배포 기능 및 다른 언어 지원으로 인해 딥 러닝 공간에서 주요 플레이어로 남을 것입니다.

Python을 얼마나 좋아하는지에 따라 다음 프로젝트에 TensorFlow를 선택할지 PyTorch를 선택할지 결정됩니다.

원본 링크: https://thenextweb.com/news/why-tensorflow-for-python-is-dying-a-slow-death

위 내용은 Python용 TensorFlow가 천천히 죽어가는 이유의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!