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?!?/p>
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<<