随着深度学习在计算机视觉、自然语言处理等领域取得的成果越来越显著，对深度学习的讨论越来越多。作为当下最热门的话题，从 2015 年至今，短短三年时间，谷歌、Facebook、微软等国外巨头，百度、小米等国内企业，前后围绕深度学习推出一系列开源框架。
谷歌于 2015 年底推出 TensorFlow，在开源时，谷歌曾表示，开源 TensorFlow 能够加速谷歌在人工智能上的部署，帮助其在人工智能发展日益重要的未来抢占更多主导权。过去三年间，TensorFlow 在开发者社区享有盛誉，已成为最为常用的深度学习框架之一，目前不仅支持 Eager Execution 动态图机制，还集成了 NVIDIA TensorRT，此外，TensorFlow 中文社区论坛（https://www.tensorflowers.cn）也正式上线。
2016 年初，微软开源 CNTK 深度学习工具包。CNTK 具有相当不错的可扩展性、速度和精确性，在语音识别领域被广泛使用。在随后的改进中，这一框架提供了对 ONNX 标准的更好支持，在分布式训练上迎来多项性能改进。
2017 年初，Facebook 在 Torch 的基础上，针对 Python 语言发布了全新的机器学习工具包——PyTorch。目前，PyTorch 已经融合了 Caffe2 和 ONNX 支持模块化、面向生产的功能，并保留了其灵活、以研究为中心的设计。
而在国内，2016 年 8 月底，百度开源自研深度学习平台 PaddlePaddle。2017 年 11 月，PaddlePaddle 发布三项新功能：PaddlePaddleFluid，PaddlePaddleCloud，PaddlePaddleEDL，这三大新功能的推出，进一步加强了 PaddlePaddle 的易用性，提高了效率，并降低了开发者的使用门槛。
今年7月，小米也拥抱开源，发布自家深度学习框架 MACE。据悉，MACE 支持 TensorFlow 和 Caffe 模型，提供转换工具，可以将训练好的模型转换成专有的模型数据文件，同时还可以选择将模型转换成C++代码，支持生成动态库或者静态库，提高模型保密性。
这一年，雷锋网 AI 科技评论也在时刻关注着这些发展和变化，而关于使用哪个深度学习框架，也一直引发诸多业内人士的争论，到底哪个框架热度***，或许能从 Google Trends 中一窥究竟。
从 Google Trends 过去三年的统计数据可以看到，在全球范围内计算机科学领域，TensorFlow、Keras、PyTorch、Caffe、Theano 这五个框架在 Google 网页搜索的热度中，TensorFlow 一直处于领先状态，Keras 位居第二。
而从过去十二个月的数据中可以看到，这五个框架的热度波动较为平缓。
而从中国过去十二个月的搜索数据中可以看到，虽然 TensorFlow 的热度依旧占据领先，但 PyTorch 的平均热度比 Keras 要高。
从美国过去十二个月的搜索数据可以看到，Keras 的搜索热度大于 PyTorch。
而在搜索框架之后，大家究竟会展开哪些相关查询呢？
基于全球过去三年间的搜索数据，可以看到，TensorFlow 相关查询排名前三的热词分别是：
- python tensorflow
- tensorflow machine learning
- tensorflow github
Keras 相关查询排名前三的热词也涉及到 TensorFlow，分别是：
- keras python
- tensorflow keras
- tensorflow
就连 PyTorch 排名前三的热词也与 TensorFlow 相关，分别为：
- pytorch github
- lstm pytorch
- tensorflow
结合以上各类统计数据，足以证明 TensorFlow 目前在各类深度学习框架中的统治地位。从过去一年间的更新来看，谷歌一直在增强 TensorFlow 的易用性和高效性，如今年推出的 Swift for TensorFlow，将 TensorFlow 计算图与 Eager Execution 的灵活性和表达能力结合在一起，同时还注重提高整个软件架构每一层的可用性。
此外，还推出 TensorFlow 中文社区论坛，提供技术问答、教程分享、案例展示等多个栏目，旨在推进 TensorFlow 在中国的发展。
当然，对于深度学习框架的使用之争一直没有停止过，Keras 和 PyTorch 目前也均有相当庞大的社群。
究竟哪个框架好用，各个框架的优劣在哪里？雷锋网 AI 研习社社区中有包含各种框架的各类干货教程，相信你看完之后，势必会 pick 到最适合自己的深度学习框架。
