Help us understand the problem. What is going on with this article?

Deep Learningフレームワーク(TensorFlow/Caffe/Theano/Torch)のトレンド比較

More than 3 years have passed since last update.

はじめに

Deep Learningのフレームワーク、TensorFlow、Caffe、Theano、Torchのトレンド調査(2015/1~2016/11)をしてみました。

結論:TensorFlowが一番人気で確定です。

Googleトレンド

青:TensorFlow
黄:Caffe
赤:Theano
緑:Torch

  • 2015/1/1~2016/11/19(すべての地域)
    TensorFlow_Theano_Cafffe_Torch.png
    ⇒ 2016年後半にTensorFlowがCaffeを抜きました。
      

  • 2016/11/13~11/19(すべての地域)の瞬間風速
    DeepLearning_Weekly.png
    ⇒ 週間瞬間風速はTensorFlowが他の2倍の検索数を稼いでいました。ニュースで取り上げられることがあったのが影響しているかもしれません。

Stack Overflow

フレームワーク 質問(タグ)
TensorFlow 4935
Caffe 1332
Theano 1675
Torch 558

⇒ 公開されてまだ1年のTensorFlowが他を圧倒しています。

GitHub

フレームワーク Watch Star Fork
TensorFlow 3441 37398 16989
Caffe 1685 13976 8626
Theano 467 5018 1761
Torch7 617 5816 1691

⇒ 公開されてまだ1年のTensorFlowが他を圧倒しています。

Qiita

フレームワーク 投稿
TensorFlow 539
Caffe 77
Theano 33
Torch 9
Chainer 265

⇒ 公開されてまだ1年のTensorFlowが他を圧倒しています。
国産フレームワーク Chainerは、Qiitaでは、外国産Deep Learningに大健闘。

おわりに

2015年末は、「Deep Learningフレームワークには、いろいろあります。」という状況でしたが、2016年末は、「Deep Lerningフレームワークの一番人気はTensorFlowです。」という状況になってきているようです。

Deep Learningフレームワークは、それぞれ独自のDSLを持ち、それをベースにしているため、フレームワークの乗り換えにはコストがかかります。そのため、Deep Learningのフレームワークとして、どれを選択するかは、慎重にならざるを得ません。(KerasでTensorFlow/Theano共通プログラムを書くことができます。)

TensorFlowは、公開されてからの歴史が最も浅いにもかかわらず、既に1番人気に躍り出ています。今後、TensorFlowは次のようなことが期待できます。

  • 今、他のフレームワークより劣る部分があったとしても解決される可能性が高い。
  • 今後、様々なエコシステムが構築される可能性が高い。
  • コミュニティからのアドバイスを受けられる可能性が高い。

以上。

Why not register and get more from Qiita?
  1. We will deliver articles that match you
    By following users and tags, you can catch up information on technical fields that you are interested in as a whole
  2. you can read useful information later efficiently
    By "stocking" the articles you like, you can search right away
Comments
Sign up for free and join this conversation.
If you already have a Qiita account
Why do not you register as a user and use Qiita more conveniently?
You need to log in to use this function. Qiita can be used more conveniently after logging in.
You seem to be reading articles frequently this month. Qiita can be used more conveniently after logging in.
  1. We will deliver articles that match you
    By following users and tags, you can catch up information on technical fields that you are interested in as a whole
  2. you can read useful information later efficiently
    By "stocking" the articles you like, you can search right away