TensorFlow 不是谷歌的一枚「棄子」，將會繼續(xù)開發(fā)。
更是有外媒 Business Insider 采訪了一系列開發(fā)人員、硬件專家、云供應(yīng)商以及與谷歌機(jī)器學(xué)習(xí)工作關(guān)系密切的人，獲得了同樣的觀點(diǎn)：2015 年誕生的 TensorFlow，曾經(jīng)輝煌一時，而 Meta 在 2017 年開源的 PyTorch 正在成為該領(lǐng)域的霸主，在此戰(zhàn)爭中，谷歌開始押寶 JAX。接近該項(xiàng)目的人士曾告訴 Insider，谷歌大腦和 DeepMind 在很大程度上放棄了 TensorFlow，轉(zhuǎn)而使用 JAX。一位谷歌內(nèi)部人士也向 Insider 證實(shí)，JAX 現(xiàn)在幾乎已在谷歌大腦和 DeepMind 中被全球采用。熟悉該項(xiàng)目的人士也表示，JAX 現(xiàn)在有望成為未來幾年所有使用機(jī)器學(xué)習(xí)的谷歌產(chǎn)品的支柱，就像 TensorFlow 在 2015 年之后幾年所做的那樣。一時之間，關(guān)于谷歌要放棄 TensorFlow，全面轉(zhuǎn)向 JAX 的說法鬧得人盡皆知。谷歌內(nèi)部人員的爆料，讓人更加確信這一說法是真的。到底事實(shí)如何？TensorFlow 官方博客回應(yīng)來了，這篇回應(yīng)來自 TensorFlow 團(tuán)隊(duì)中的兩位研究者 Laurence Moroney 和 Josh Gordon?？偨Y(jié)來說就是：谷歌并沒有像網(wǎng)傳的那樣放棄 TensorFlow，將繼續(xù)投資研發(fā)。谷歌：我們沒有放棄 TensorFlow，將與 JAX 并肩發(fā)展Stack Overflow 最近發(fā)布了一項(xiàng)調(diào)查報(bào)告，報(bào)告顯示 TensorFlow 是目前最常用的 ML 工具，被 300 萬軟件開發(fā)者采用。其實(shí)這一數(shù)字才剛剛開始，估計(jì)會有 400 萬開發(fā)人員希望在不久的將來采用它。圖源：https://survey.stackoverflow.co/2022/#most-loved-dreaded-and-wanted-misc-tech-wantTensorFlow 現(xiàn)在每月被下載超過 18M 次，在 GitHub 上積累了 166k 顆星——比任何其他 ML 框架都多。在谷歌內(nèi)部，TensorFlow 幾乎支持所有 AI 生產(chǎn)工作流，包括搜索、廣告、YouTube、GMail、地圖、Play 等。它還被蘋果、Netflix、Stripe、騰訊、優(yōu)步、羅氏、LinkedIn、Twitter、百度、LVMH 等各大公司采用。Google Scholar 上每個月都有超過 3000 篇出版物提到 TensorFlow，包括重要的應(yīng)用科學(xué)研究，比如了解癌癥的 CANDLE 研究。近年來，我們了解到單一的通用框架無法適用于所有場景——尤其是在生產(chǎn)和前沿研究經(jīng)常發(fā)生沖突的領(lǐng)域。因此，我們創(chuàng)建了 JAX，這是一個用于分布式數(shù)值計(jì)算的簡化 API，為科學(xué)計(jì)算研究的下一個時代提供動力。JAX 在推動新的領(lǐng)域方面非常出色：達(dá)到新的并行規(guī)模，此外還推進(jìn)了新的算法和體系結(jié)構(gòu)，以及幫助研究者開發(fā)新的編譯器和系統(tǒng)。JAX 在科研領(lǐng)域確實(shí)很受歡迎。在這個多框架世界中，TensorFlow 是我們交給應(yīng)用 ML 開發(fā)人員的一份答案——工程師需要在不同規(guī)模和不同平臺上構(gòu)建和部署可靠、穩(wěn)定、高性能的 ML 系統(tǒng)。我們的愿景是創(chuàng)建一個有凝聚力的生態(tài)系統(tǒng)，研究人員和工程師可以利用系統(tǒng)組件進(jìn)行研究，而不管它們起源于哪個框架。我們已經(jīng)在 JAX 和 TensorFlow 互操作性方面取得了長足進(jìn)步，特別是 jax2tf 的開發(fā)。開發(fā) JAX 模型的研究人員能夠通過 TensorFlow 平臺的工具將它們投入生產(chǎn)。未來，我們繼續(xù)開發(fā) TensorFlow ，并將其作為一流的應(yīng)用 ML 平臺，與 JAX 并肩推動 ML 研究發(fā)展。我們將繼續(xù)在這兩個 ML 框架上投資，以推動研究和應(yīng)用，為我們的數(shù)百萬用戶服務(wù)。參考鏈接：https://blog.tensorflow.org/2022/06/%20bringing-machine-learning-to-every-developers-toolbox.html?m=1往期精彩：
深度學(xué)習(xí)論文精讀[1]：FCN全卷積網(wǎng)絡(luò)
講解視頻來了！機(jī)器學(xué)習(xí) 公式推導(dǎo)與代碼實(shí)現(xiàn)開錄！
完結(jié)！《機(jī)器學(xué)習(xí) 公式推導(dǎo)與代碼實(shí)現(xiàn)》全書1-26章PPT下載
《機(jī)器學(xué)習(xí) 公式推導(dǎo)與代碼實(shí)現(xiàn)》隨書PPT示例
時隔一年！深度學(xué)習(xí)語義分割理論與代碼實(shí)踐指南.pdf第二版來了！
新書首發(fā) | 《機(jī)器學(xué)習(xí) 公式推導(dǎo)與代碼實(shí)現(xiàn)》正式出版！
