不要再說(shuō) TensorFlow 是一枚「棄子」了，谷歌繼續(xù)投入研發(fā)。

　　2015 年，谷歌大腦開(kāi)放了一個(gè)名為「TensorFlow」的研究項(xiàng)目，這款產(chǎn)品迅速流行起來(lái)，成為人工智能業(yè)界的主流深度學(xué)習(xí)框架，塑造了現(xiàn)代機(jī)器學(xué)習(xí)的生態(tài)系統(tǒng)。從那時(shí)起，成千上萬(wàn)的開(kāi)源貢獻(xiàn)者以及眾多的開(kāi)發(fā)人員、社區(qū)組織者、研究人員和教育工作者等都投入到這一開(kāi)源軟件庫(kù)上。

　　然而七年后的今天，故事的走向已經(jīng)完全不同：谷歌的 TensorFlow 失去了開(kāi)發(fā)者的擁護(hù)。因?yàn)?TensorFlow 用戶(hù)已經(jīng)開(kāi)始轉(zhuǎn)向 Meta 推出的另一款框架 PyTorch。

　　眾多開(kāi)發(fā)者都認(rèn)為 TensorFlow 已經(jīng)輸?shù)袅诉@場(chǎng)戰(zhàn)爭(zhēng)，并將其比喻為：「PyTorch 吃掉了 TensorFlow 的午餐?！?/p>

　　在 PyTorch 的陰影下，谷歌正在悄悄地開(kāi)發(fā)一個(gè)機(jī)器學(xué)習(xí)框架，就是 JAX（曾是「Just After eXecution」的首字母縮寫(xiě)，但官方說(shuō)法中不再代表任何東西），許多人將其視為 TensorFlow 的繼承者。

　　一時(shí)之間，關(guān)于谷歌要放棄 TensorFlow，全面轉(zhuǎn)向 JAX 的說(shuō)法鬧得人盡皆知。其實(shí)不然，谷歌并沒(méi)有放棄 TensorFlow，他們表示未來(lái) TensorFlow 將與 JAX 并肩發(fā)展。

　　不過(guò)話(huà)說(shuō)回來(lái)，在這短短的七年中，TensorFlow 已經(jīng)有了亮眼的表現(xiàn)，已然發(fā)展成為最常用的機(jī)器學(xué)習(xí)平臺(tái)，使用人數(shù)達(dá)數(shù)百萬(wàn)。TensorFlow 現(xiàn)在每月被下載超過(guò) 18M 次，在 GitHub 上積累了 166k 顆星——比任何其他 ML 框架都多。

　　此外，TensorFlow 還為在移動(dòng)生態(tài)系統(tǒng)上進(jìn)行機(jī)器學(xué)習(xí)帶來(lái)了便利：目前 TFLite 在大約 40 億臺(tái)設(shè)備上運(yùn)行，也許你的設(shè)備也包含在內(nèi)。TensorFlow 還將機(jī)器學(xué)習(xí)引入 Web，TensorFlow.js 現(xiàn)在每周下載量超 17 萬(wàn)次。

　　在谷歌的整個(gè)產(chǎn)品系列中，TensorFlow 幾乎為所有機(jī)器學(xué)習(xí)提供支持，包括搜索、GMail、YouTube、Maps 、Play、廣告、照片等等。除了谷歌，在 Alphabet 旗下的子公司，TensorFlow 連同 Keras 為 Waymo 自動(dòng)駕駛汽車(chē)提供了新的機(jī)器智能。

　　在更廣泛的行業(yè)中，TensorFlow 為數(shù)千家公司的機(jī)器學(xué)習(xí)系統(tǒng)提供支持，其中包括蘋(píng)果、ByteDance、Netflix、騰訊、Twitter 等公司。研究領(lǐng)域，在 Google Scholar 上每個(gè)月都有超過(guò) 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。

　　毫不夸張的說(shuō)，TensorFlow 基礎(chǔ)用戶(hù)和開(kāi)發(fā)者生態(tài)比以往任何時(shí)候都要多，而且還在不斷增長(zhǎng)。谷歌認(rèn)為 TensorFlow 的發(fā)展不僅是一項(xiàng)值得慶祝的成就，它也為機(jī)器學(xué)習(xí)社區(qū)走得更遠(yuǎn)提供了新的機(jī)會(huì)。

　　谷歌一直以來(lái)奉行的目標(biāo)是提供最好的機(jī)器學(xué)習(xí)平臺(tái)，并努力將機(jī)器學(xué)習(xí)從小眾工藝轉(zhuǎn)變?yōu)橄?Web 開(kāi)發(fā)一樣成熟的行業(yè)軟件。

　　谷歌對(duì) TensorFlow 的開(kāi)發(fā)還將繼續(xù)，走過(guò)了 7 年，還會(huì)有下個(gè) 7 年。

　　TensorFlow 未來(lái)四大支柱

　　近日，谷歌宣布他們已經(jīng)著手開(kāi)發(fā) TensorFlow 的下一個(gè)迭代，并專(zhuān)注于四大支柱。更具體地，谷歌計(jì)劃在 2023 年第二季度發(fā)布新的 TensorFlow 預(yù)覽版，之后晚些時(shí)候發(fā)布生產(chǎn)版本。

　　快速和可擴(kuò)展

　　首先是 XLA 編譯。谷歌專(zhuān)注于 XLA 編譯，讓訓(xùn)練和推理模型在 GPU 和 CPU 上更快，并致力于讓 XLA 成為行業(yè)標(biāo)準(zhǔn)的深度學(xué)習(xí)編譯器，并且作為 OpenXLA 計(jì)劃的一部分，谷歌已將其開(kāi)放給開(kāi)源協(xié)作。

　　其次是分布式計(jì)算。谷歌正在專(zhuān)注于 DTensor 的研究，這是一種用于大規(guī)模模型并行的新 API。DTensor 將與 tf.distribute API 統(tǒng)一，允許靈活的模型和數(shù)據(jù)并行。

　　最后是性能優(yōu)化。除了編譯之外，谷歌還進(jìn)一步專(zhuān)注于算法性能優(yōu)化，例如混合精度和降低精度計(jì)算，從而在 GPU 和 TPU 上提供相當(dāng)大的加速。

　　應(yīng)用型 ML

　　用于 CV 和 NLP 的新工具。谷歌正在投資應(yīng)用型 ML（Applied ML）的生態(tài)系統(tǒng)，特別是通過(guò) KerasCV 和 Keras NLP 包為各種用例提供模塊化和可組合的組件。

　　開(kāi)發(fā)者資源。谷歌正在為流行以及新興的應(yīng)用機(jī)器學(xué)習(xí)用例添加更多代碼示例、指南和文檔，降低開(kāi)發(fā)人員進(jìn)入 ML 的門(mén)檻，使得每個(gè)開(kāi)發(fā)工具簡(jiǎn)單可用。

　　部署層面

　　更容易導(dǎo)出。谷歌將會(huì)使模型導(dǎo)出到移動(dòng)設(shè)備（Android 或 iOS）、邊緣設(shè)備（微控制器）、服務(wù)器后端或 JavaScript 變得更加容易。用戶(hù)可以將模型導(dǎo)出到 TFLite 和 TF.js，并優(yōu)化模型推理性能，操作起來(lái)就像調(diào)用 model.export() 一樣簡(jiǎn)單。

　　用于應(yīng)用程序的 C++ API 。谷歌正在開(kāi)發(fā)公共 TF2 C++ API ，作為 C++ 應(yīng)用程序的一部分用于本地服務(wù)器端推理。

　　部署 JAX 模型。谷歌正在使得 TensorFlow 服務(wù)部署模型變得更容易。

　　簡(jiǎn)單化

　　NumPy API。過(guò)去幾年，ML 領(lǐng)域快速發(fā)展，與此同時(shí) TensorFlow 的 API 也隨之增加。為了適應(yīng)技術(shù)的發(fā)展，谷歌正在全面整合和簡(jiǎn)化 API。

　　讓 debug 變得更容易。在 ML 領(lǐng)域，debug 是一項(xiàng)不可忽略的技術(shù)。谷歌將專(zhuān)注于更好的 debug 功能，以最小化其時(shí)間。

　　谷歌表示，TensorFlow 未來(lái)將是 100% 向后兼容的。谷歌希望 TensorFlow 成為機(jī)器學(xué)習(xí)行業(yè)賴(lài)以發(fā)展的基石，并承諾從 TensorFlow 2 開(kāi)始到下一個(gè)版本，TensorFlow 完全向后兼容，代碼將按原樣運(yùn)行，不需要運(yùn)行轉(zhuǎn)換腳本，也不需要手動(dòng)更改。谷歌將繼續(xù)在 TensorFlow 框架上投資，以推動(dòng)研究和應(yīng)用，為數(shù)百萬(wàn)用戶(hù)服務(wù)。

　更多信息可以來(lái)這里獲取==>>電子技術(shù)應(yīng)用-AET<<