魚羊 發自 凹非寺
量子位 | 公眾號 QbitAI
終於,谷歌出面迴應“TensorFlow遭棄”傳聞:
我們將繼續致力於將TensorFlow打造為一流機器學習平臺,與JAX並肩推動機器學習研究。
這段時間,“
JAX取代TensorFlow
”這個話題可謂熱議不休。
不僅Business Insider等媒體援引內部人士訊息,稱“谷歌大腦和DeepMind已經普遍放棄TensorFlow,轉投JAX”。
連LeCun、fast。ai創始人Jeremy Horward等大咖也紛紛下場圍觀,表示深度學習框架之間的競爭進入了一個新的階段。
在TensorFlow因日漸臃腫、學習成本高等問題,越來越受到業界詬病的背景之下,“谷歌拋棄TensorFlow”似乎沒什麼毛病。
不過,在輿論發酵了一段時間之後,現在,TensorFlow官方團隊終於還是出面“闢謠”,發文表示:
我們將繼續投資TensorFlow和JAX兩個ML框架,以推動數百萬使用者的研究和應用。
具體詳情,一起來看TensorFlow部落格寫了點啥。
官方:TensorFlow是我們交給工程師的答案
TensorFlow官方在文章中引用了Stack Overflow的最新統計資料。
資料顯示,
TensorFlow在機器學習領域整體上仍然比PyTorch受歡迎
。
另外,TensorFlow目前每月下載量超過1800萬次,並在GitHub上擁有16。6萬標星。
相比之下,PyTorch的標星數是5。7萬,JAX的標星數是1。91萬。
官方團隊強調,在谷歌內部,TensorFlow幾乎為所有AI生產工作流程提供支援,包括搜尋、廣告、YouTube、郵箱、地圖、Play、地圖等。
而蘋果、網飛、騰訊、Uber等等知名企業,也都在使用TensorFlow支援他們的生產系統。
至於為啥現在谷歌重視JAX,原因則是:
近年來,我們發現,單一通用框架往往無法適用於所有場景——尤其是生產和前沿研究的需求經常發生衝突。
因此,我們建立了JAX,一個用於分散式數值計算的簡單API。
JAX在前沿研究領域有著非常出色的表現:達到了新的並行規模,推進了新的演算法和框架,還發展出了新的編譯器和系統。
官方還舉例說,AlphaFold和Imagen都已經驗證了JAX的價值。
相比之下,TensorFlow則是“我們滿足應用機器學習開發人員需求的答案”。
也就是說,TensorFlow會更側重滿足工程師們在任意規模和任意平臺上,構建並部署可靠、穩定、高效能的機器學習系統的需求。
此外,谷歌官方在JAX和TensorFlow互通方面也做了不少工作。
比如透過jax2tf,研究人員就能把JAX模型放在TensorFlow上投入生產。
最後,官方提到:
展望未來,我們將繼續致力於將TensorFlow打造為一流機器學習平臺,與JAX並肩推動機器學習研究。
我們將繼續投入資源發展這兩個機器學習框架,以推動數百萬使用者的研究和應用。
還順帶打了一波招聘廣告(手動狗頭)。
關於JAX
2018年,JAX誕生於谷歌大腦的一個三人小團隊之手。
誕生之初,其瞄準的就是高效能數值計算和機器學習研究。
JAX可以看作是支援GPU、TPU等加速器加速、支援自動微分的Numpy變體。
簡單來說,可以這樣理解:當你想處理一些對算力要求很高的問題時,透過JAX,你可以將複雜的問題快速分散到多個TPU上。
目前,谷歌大腦的Trax、Flax、Jax-md,以及DeepMind的神經網路庫Haiku和強化學習庫RLax等,都是基於JAX構建的。
值得一提的是,JAX誕生之際,正是PyTorch在學術界強烈衝擊TensorFlow之時。
加州大學伯克利分校旗下研究機構RISELab的資料顯示:
2019年1月到6月底,在arXiv上發表的論文中,提及TensorFlow和PyTorch的數量相差無幾,PyTorch僅稍稍落後。
不過在增長速度方面,與2018年1-6月相比,PyTorch的“份額”增長了194%。TensorFlow則只增長了23%。
參考連結:
https://blog。tensorflow。org/2022/06/%20bringing-machine-learning-to-every-developers-toolbox。html?m=1