不要再說 TensorFlow 是一枚「棄子」了,，谷歌繼續(xù)投入研發(fā),。
2015 年,，谷歌大腦開放了一個名為「TensorFlow」的研究項目,，這款產(chǎn)品迅速流行起來,，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)。從那時起,，成千上萬的開源貢獻(xiàn)者以及眾多的開發(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源軟件庫上。
然而七年后的今天,，故事的走向已經(jīng)完全不同：谷歌的 TensorFlow 失去了開發(fā)者的擁護(hù),。因為 TensorFlow 用戶已經(jīng)開始轉(zhuǎn)向 Meta 推出的另一款框架 PyTorch。
眾多開發(fā)者都認(rèn)為 TensorFlow 已經(jīng)輸?shù)袅诉@場戰(zhàn)爭,，并將其比喻為：「PyTorch 吃掉了 TensorFlow 的午餐,。」
在 PyTorch 的陰影下,，谷歌正在悄悄地開發(fā)一個機(jī)器學(xué)習(xí)框架,，就是 JAX（曾是「Just After eXecution」的首字母縮寫，但官方說法中不再代表任何東西）,，許多人將其視為 TensorFlow 的繼承者,。
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。其實不然,，谷歌并沒有放棄 TensorFlow,，他們表示未來 TensorFlow 將與 JAX 并肩發(fā)展。
不過話說回來,，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,，使用人數(shù)達(dá)數(shù)百萬,。TensorFlow 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,。
此外,，TensorFlow 還為在移動生態(tài)系統(tǒng)上進(jìn)行機(jī)器學(xué)習(xí)帶來了便利：目前 TFLite 在大約 40 億臺設(shè)備上運行，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 萬次。
在谷歌的整個產(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 自動駕駛汽車提供了新的機(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,，其中包括蘋果,、ByteDance、Netflix,、騰訊,、Twitter 等公司。研究領(lǐng)域,，在 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,。
毫不夸張的說,，TensorFlow 基礎(chǔ)用戶和開發(fā)者生態(tài)比以往任何時候都要多，而且還在不斷增長,。谷歌認(rèn)為 TensorFlow 的發(fā)展不僅是一項值得慶祝的成就,，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。
谷歌一直以來奉行的目標(biāo)是提供最好的機(jī)器學(xué)習(xí)平臺,，并努力將機(jī)器學(xué)習(xí)從小眾工藝轉(zhuǎn)變?yōu)橄?Web 開發(fā)一樣成熟的行業(yè)軟件,。
谷歌對 TensorFlow 的開發(fā)還將繼續(xù)，走過了 7 年,，還會有下個 7 年,。
TensorFlow 未來四大支柱
近日，谷歌宣布他們已經(jīng)著手開發(fā) TensorFlow 的下一個迭代,，并專注于四大支柱,。更具體地，谷歌計劃在 2023 年第二季度發(fā)布新的 TensorFlow 預(yù)覽版,，之后晚些時候發(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 計劃的一部分,，谷歌已將其開放給開源協(xié)作,。
其次是分布式計算。谷歌正在專注于 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)一步專注于算法性能優(yōu)化，例如混合精度和降低精度計算,，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 KerasCV 和 Keras NLP 包為各種用例提供模塊化和可組合的組件,。
開發(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,，降低開發(fā)人員進(jìn)入 ML 的門檻，使得每個開發(fā)工具簡單可用,。
部署層面
更容易導(dǎo)出,。谷歌將會使模型導(dǎo)出到移動設(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,，操作起來就像調(diào)用 model.export() 一樣簡單,。
用于應(yīng)用程序的 C++ API ,。谷歌正在開發(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,。
簡單化
NumPy API。過去幾年,，ML 領(lǐng)域快速發(fā)展,，與此同時 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化 API,。
讓 debug 變得更容易。在 ML 領(lǐng)域,，debug 是一項不可忽略的技術(shù),。谷歌將專注于更好的 debug 功能，以最小化其時間,。
谷歌表示,，TensorFlow 未來將是 100% 向后兼容的,。谷歌希望 TensorFlow 成為機(jī)器學(xué)習(xí)行業(yè)賴以發(fā)展的基石，并承諾從 TensorFlow 2 開始到下一個版本,，TensorFlow 完全向后兼容,，代碼將按原樣運行，不需要運行轉(zhuǎn)換腳本,，也不需要手動更改,。谷歌將繼續(xù)在 TensorFlow 框架上投資，以推動研究和應(yīng)用,，為數(shù)百萬用戶服務(wù),。
更多信息可以來這里獲取==>>電子技術(shù)應(yīng)用-AET<<
