TensorFlow团队：我们没被抛弃-技术圈

终于，谷歌出面回应“TensorFlow遭弃”传闻：

我们将继续致力于将TensorFlow打造为一流机器学习平台，与JAX并肩推动机器学习研究。

这段时间，“JAX取代TensorFlow”这个话题可谓热议不休。

不仅Business Insider等媒体援引内部人士消息，称“谷歌大脑和DeepMind已经普遍放弃TensorFlow，转投JAX”。

连LeCun、fast.ai创始人Jeremy Horward等大咖也纷纷下场围观，表示深度学习框架之间的竞争进入了一个新的阶段。

在TensorFlow因日渐臃肿、学习成本高等问题，越来越受到业界诟病的背景之下，“谷歌抛弃TensorFlow”似乎没什么毛病。

不过，在舆论发酵了一段时间之后，现在，TensorFlow官方团队终于还是出面“辟谣”，发文表示：

我们将继续投资TensorFlow和JAX两个ML框架，以推动数百万用户的研究和应用。

具体详情，一起来看TensorFlow博客写了点啥。

官方：TensorFlow是我们交给工程师的答案

TensorFlow官方在文章中引用了Stack Overflow的最新统计数据。

数据显示，TensorFlow在机器学习领域整体上仍然比PyTorch受欢迎。

另外，TensorFlow目前每月下载量超过1800万次，并在GitHub上拥有16.6万标星。

相比之下，PyTorch的标星数是5.7万，JAX的标星数是1.91万。

官方团队强调，在谷歌内部，TensorFlow几乎为所有AI生产工作流程提供支持，包括搜索、广告、YouTube、邮箱、地图、Play、地图等。

而苹果、网飞、腾讯、Uber等等知名企业，也都在使用TensorFlow支持他们的生产系统。

至于为啥现在谷歌重视JAX，原因则是：

近年来，我们发现，单一通用框架往往无法适用于所有场景——尤其是生产和前沿研究的需求经常发生冲突。
因此，我们创建了JAX，一个用于分布式数值计算的简单API。
JAX在前沿研究领域有着非常出色的表现：达到了新的并行规模，推进了新的算法和框架，还发展出了新的编译器和系统。

官方还举例说，AlphaFold和Imagen都已经验证了JAX的价值。

相比之下，TensorFlow则是“我们满足应用机器学习开发人员需求的答案”。

也就是说，TensorFlow会更侧重满足工程师们在任意规模和任意平台上，构建并部署可靠、稳定、高性能的机器学习系统的需求。

此外，谷歌官方在JAX和TensorFlow互通方面也做了不少工作。

比如通过jax2tf，研究人员就能把JAX模型放在TensorFlow上投入生产。

最后，官方提到：

展望未来，我们将继续致力于将TensorFlow打造为一流机器学习平台，与JAX并肩推动机器学习研究。
我们将继续投入资源发展这两个机器学习框架，以推动数百万用户的研究和应用。

还顺带打了一波招聘广告（手动狗头）。

2018年，JAX诞生于谷歌大脑的一个三人小团队之手。

诞生之初，其瞄准的就是高性能数值计算和机器学习研究。

JAX可以看作是支持GPU、TPU等加速器加速、支持自动微分的Numpy变体。

简单来说，可以这样理解：当你想处理一些对算力要求很高的问题时，通过JAX，你可以将复杂的问题快速分散到多个TPU上。

目前，谷歌大脑的Trax、Flax、Jax-md，以及DeepMind的神经网络库Haiku和强化学习库RLax等，都是基于JAX构建的。

值得一提的是，JAX诞生之际，正是PyTorch在学术界强烈冲击TensorFlow之时。

加州大学伯克利分校旗下研究机构RISELab的数据显示：

2019年1月到6月底，在arXiv上发表的论文中，提及TensorFlow和PyTorch的数量相差无几，PyTorch仅稍稍落后。

不过在增长速度方面，与2018年1-6月相比，PyTorch的“份额”增长了194%。TensorFlow则只增长了23%。

参考链接：
https://blog.tensorflow.org/2022/06/%20bringing-machine-learning-to-every-developers-toolbox.html?m=1


推荐阅读
AI 绘画极简教程
学习机器学习的最佳路径
用 Python 从 PDF 抽取 Excel 2.0
花了2个晚上，拿到了吴恩达@斯坦福大学的机器学习课程证书