google 辟谣放弃 tensorflow，它还活着!-凯发k8娱乐官网app下载

[本文来自：www.pp00.com]

[好文分享：www.pp00.com]

不知道是不是之前“tensorflow 将死”的谣言传得过盛，google 于日前紧急发布了一篇标题为《bringing machine learning to every developer’s toolbox》（将机器学习带入每位开发者的工具箱）的公告，广而告之，tensorflow 没有“死”，而且各种数据表明，其现如今发展地非常好，也是全球 300 万软件开发者最常用的 ml 工具。

与此同时，google 也没有放弃继续开发 tensorflow，未来它将与 jax 同在。

被左右夹击的 tensorflow

tensorflow，是 google 在 2015 年开源的端到端机器学习..。其一经发布，业内如苹果、netflix、stripe、腾讯、uber、linkedin、twitter、百度、orange、lvmh 等公司常将它用来优化运营工作，同时也应用在深度神经网络的训练和推理中。

随着时间的迭代，tensorflow 最强劲的竞争对手 pytorch 在 2016 年出现了，它带来了比 tensorflow 更快的原型设计。此外，pytorch 与 python 生态系统的集成比 tensorflow 更为紧密，调试体验也简单得多。

来源：the gradient

多年间，tensorflow 与 pytorch 的竞争可以说已经到了较为焦灼的状态。

然而，当时间来到 2020 年，google 的一个决策，给本就与 pytorch 竞争稍显被动局势下的 tensorflow 浇了一波凉水，其同属于一个母公司 alphabet 旗下的 deepmind 对外表示，他们正在使用 jax 来加速 ai/ml 研究。

根据 jax 在 github 上的官方介绍显示：

jax 是由 google brain 团队推出的进行高性能机器学习研究的新框架，其前身是 autograd 和 xla 的结合体。

通过 autograd 的更新版本，jax 可以对 python 程序与 numpy 运算执行自动微分，且支持循环、分支、递归、闭包函数求导。另外，jax 还可以使用 xla 实现在 gpu 和 tpu 上编译和运行 numpy 程序。默认情况下，编译按照系统调用被 jit 编译和执行。但是 jax 也允许开发者使用一个单一函数的 api jit 将自己的 python 函数编译为 xla 优化的内核。

现如今 jax 发展的势头似乎比此前 tensorflow 刚推出时更为迅猛。截至目前，其在 github 上已获得了 19k 个 star。

因此，很难不让众人对 tensorflow 未来去向担心。

就连图灵奖得主、cnn 之父 yann lecun 也曾评价道，“深度学习框架之间的激烈竞争进入了一个新阶段。现在 google 的 tensorflow 已经输给了 meta 的 pytorch，google 内部也正在转向 jax。”

那么，google 是否真的用后起之秀 jax 将众人所熟知的 tensorflow 取而代之？

tensorflow 依然是开发者最常用的框架

就目前而言，google 给出了确信以及肯定的答复：不会。

在最新的公告中，google 用诸多的数据来说明 tensorflow 的当前现状。

正如此前 stack overflow 开发者调查的数据结果显示，tensorflow 是开发者最常用的 ml 工具，被全球 300 万的软件开发者采用，以此增强他们的产品和凯发k8娱乐官网app下载的解决方案。与此同时，tensorflow 也是不少开发者在未来最想使用的框架，预期在不久的将来，tensorflow 的用户群体将会达到 400 万。

最想要尝试的框架和库

tensorflow 现在每月下载超过 1800 万次，并在 github 上积累了 166k 颗个 star，这个数据在当前所有深度学习框架中也处于领先地位。

google 称，在其公司内部，tensorflow 几乎支持所有 ai 研发的工作流程，包括搜索、广告、youtube、gmail、地图、播放、照片等等。与此同时，每个月，google scholar 都会为超过 3,000 篇提及 tensorflow 或 keras 的新科学出版物编制索引，其中包括重要的应用科学，如 candle（癌症分布式学习环境框架）对理解癌症的研究。

一种框架不足以走天下

对于为何要研发一种新的框架，google 也做出解释，「单一的通用框架不可能适用于所有情况——特别是，“现实的生产环境”和“顶端的科学研究”的需求经常发生冲突。」

故而，其推出了一个用于分布式数值计算的极简主义 api——jax，来为下一个时代的科学计算研究提供动力。

简单来看，tensorflow 和 jax 的受众各有所倾向性，前者倾向于 ml 开发者群体，后者则主要面向研究人员。

google 表示，“在这个新的多框架世界中，tensorflow 是我们对应用 ml 开发人员需求的回应——在任何规模和任何..上，工程师需要构建和部署可靠、稳定、高性能的 ml 系统。我们的愿景是创建一个有凝聚力的生态系统，研究人员和工程师可以利用协同工作的组件，无论它们起源于哪个框架。我们已经在 jax 和 tensorflow 互操作性方面取得了长足的进步，特别是通过 jax2tf。开发 jax 模型的研究人员将能够通过 tensorflow ..的工具将它们投入生产。” 

展望 tensorflow 的未来，google 进一步表明了态度，「我们打算继续开发 tensorflow，作为应用 ml 的一流..，与 jax 并肩，推动 ml 的研究范围。我们将继续投资这两个 ml 框架，以推动数百万用户的研究和应用。」