Одна из тенденций 2021 года, которая сохранится как минимум в ближайшие несколько лет, - это рост популярности фреймворка PyTorch. Из графических данных видно, что использование PyTorch неуклонно росло за последние несколько лет, и, хотя популярность двух фреймворков показала некоторую корреляцию, их тенденции различаются.

Различия между двумя фреймворками включают:

- Определение динамического и статического графа. В то же время на стороне PyTorch динамизм и гибкость.

- Отладка в PyTorch возможна с использованием стандартного синтаксиса python, так как в Tensorflow нужно использовать специальный инструмент - tfdbg.

- Рендеринг по-прежнему на стороне Tensorflow благодаря его мощному инструменту Tensorboard. PyTorch противопоставляет доску Tensor своему собственному инструменту Visdom. У него не так много функций, но им проще пользоваться. Также есть возможность интеграции с Tensorboard. Помимо этих инструментов, вы можете использовать стандартные инструменты визуализации - matplotlib и seaborn. Конечно, эта группа и дальше будет активно развиваться.

- Пока что развертывание тоже говорит в пользу TensorFlow. В настоящее время TF является абсолютным победителем в этом отношении, поскольку у него есть инфраструктура обслуживания TensorFlow для развертывания модели на специальном сервере gRPC.

- Одним из основных отличий PyTorch от TensorFlow является декларативное распараллеливание данных. Используя torch.nn.DataParallel в любом модуле, вы можете добиться почти волшебного параллелизма данных за счет размера пакета. Таким образом, преимущества графического процессора используются практически без усилий.

- Наконец, PyTorch выглядит более естественным и эргономичным в Python и имеет объектно-ориентированный подход, в то время как TensorFlow имеет параметры, из которых вы можете выбрать то, что вам подходит, что больше характеризует его как библиотеку.

Подводя итог, TensorFlow в настоящее время все еще имеет преимущества для развертывания модели в производстве, поддержки мобильных платформ и визуализации, однако эти преимущества могут быть значительно оспорены в ближайшем будущем.