参与：李泽南、李亚洲

本周一（6 月 19 日）机器之心发表文章《》介绍了研究员 Killian 的深度学习开发环境：TensorFlow + Docker + PyCharm + OSX Fuse + Tensorboard，并附了一份调查问卷想要了解机器之心读者配置的开发环境、对编程语言、框架的使用情况。虽然获得的反馈量比较有限，但我们也观察到了一些比较有趣的现象。在这篇文章中，我们将对此问卷的结果进行介绍，希望对需要配置开发环境的读者有所帮助。最后，我们介绍了一种新的开发环境配置：Jupyter + Tensorflow + Nvidia GPU + Docker + Google Compute Engine。

问卷结果

该调查问卷文章发布之后共有超过 10800 名读者阅读，收到大量有效答卷，另有 16 名读者是以留言的方式在文章下介绍了自己的开发系统。大部分被调查者来自中国大陆，此外还有多名来自北美大学和研究机构的调查者参与其中。以下的数据统计图表中，并不包含微信文章留言的数据。

根据表单后台的数据统计，参与调查的读者中大部分为学生，然后是开发工程师、研究员、产品经理等。

而在被调查者的研究方向上，atv，计算机视觉领域占比接近一半（48.2%），自然语言处理次之（26.8%），这部分反映了目前深度学习的主要研究方向。此外还包括金融风控、数据分析、现场安全识别、通信、时空大数据、医学图像、催化以及材料模拟等领域。

下面就开始详细为大家介绍调查者们最常用的编程语言、深度学习框架，以及在开发过程中面临的难题。

一、Python 成为深度学习主流语言

机器之心一直关注机器学习研究员、工程师在开发过程中所注重实用的工具、语言。在不久之前发布的文章《》中，KDnuggets 与 O'Reilly 的调查结果都表明，越来越多的人开始使用 Python 进行机器学习。

2016 年 KDNuggets 调查结果

在机器之心问卷中，对于问题「您认为哪种语言会成为深度学习的主流语言？」，所有被调查者的态度完全一致：Python！看来，Python 已是绝大多数从业人员必须学习的语言，同时也是众望所归的未来主流深度学习语言。

O'Reilly 2016 年度数据科学薪资调查曾显示：Python 和 Spark 是最对薪资有贡献的工具。Python 具有开发速度快的特点，Caffe、TensorFlow 等主流深度学习框架都对其支持。腾讯最近推出的机器学习高性能计算平台 Angel 在支持 Java、Scala 之外，也将在未来对 Python 提供支持。

在机器之心的问卷中，调查者反馈，虽然他们会使用其他编程语言，比如 R、C++，但实际运行程序的编写还是主要使用 Python，简单、开发速度快是很大的优势。

其他语言的使用情况简介如下：Matlab 用于快速完整、可视化研究；R 方便框架模型的验证分析，也便于处理数据和画图。因此，多数人在不同的开发流程中使用不同的语言。

二、TensorFlow 占据半壁江山

而在框架方面，谷歌支持的 TensorFlow 就没有这样的垄断地位了，不过它也已占据了接近一半（48%）的水平。完善的功能和大量的支持文档（众多 TensorFlow 支持者提到的）是目前 TensorFlow 的强项，存在于 GitHub 中的大量实现更是不容忽视，可视化工具 TensorBoard 则为开发者提供了直观的引导。但由于网络问题，TensorFlow 系统在大陆的搭建是个难题。部分被调查者也指出，TensorFlow 的 Windows 支持也为他们带来了便利。

Facebook 新近推出的框架 PyTorch 人气急剧攀升，在仅仅推出 5 个月的情况下达到了第二的位置（16%），因支持动态计算图，易用性和强大的性能而出名。在业界还需要产品迁移的情况下，学界已经出现拥抱 PyTorch 的趋势了。

同属于 Facebook 的 Caffe/Caffe2 则占据第三（14.7%），大部分被调查者在对于 Caffe 系列的评价中都提到了快速的特点。

此外，亚马逊支持的 MXNet 占据了 10.7% 的用户数量，排名第四。被调查者认为，atv，MXNet 拥有很好的社区支持，因而易于使用。

三、硬件