鱼羊 发自 凹非寺

量子位 | 公众号 QbitAI

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）。

关于JAX

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

机器之心报道

编辑：陈萍

TensorFlow 不是谷歌的一枚「弃子」，将会继续开发。

前段时间，AI 界流传着这样一种说法，大概意思就是说，TensorFlow 已经成为了谷歌的一枚「弃子」。

更是有外媒 Business Insider 采访了一系列开发人员、硬件专家、云供应商以及与谷歌机器学习工作关系密切的人，获得了同样的观点：2015 年诞生的 TensorFlow，曾经辉煌一时，而 Meta 在 2017 年开源的 PyTorch 正在成为该领域的霸主，在此战争中，谷歌开始押宝 JAX。

接近该项目的人士曾告诉 Insider，谷歌大脑和 DeepMind 在很大程度上放弃了 TensorFlow，转而使用 JAX。一位谷歌内部人士也向 Insider 证实，JAX 现在几乎已在谷歌大脑和 DeepMind 中被全球采用。

熟悉该项目的人士也表示，JAX 现在有望成为未来几年所有使用机器学习的谷歌产品的支柱，就像 TensorFlow 在 2015 年之后几年所做的那样。

一时之间，关于谷歌要放弃 TensorFlow，全面转向 JAX 的说法闹得人尽皆知。谷歌内部人员的爆料，让人更加确信这一说法是真的。

到底事实如何？TensorFlow 官方博客回应来了，这篇回应来自 TensorFlow 团队中的两位研究者 Laurence Moroney 和 Josh Gordon。总结来说就是：谷歌并没有像网传的那样放弃 TensorFlow，将继续投资研发。

谷歌：我们没有放弃 TensorFlow，将与 JAX 并肩发展

Stack Overflow 最近发布了一项调查报告，报告显示 TensorFlow 是目前最常用的 ML 工具，被 300 万软件开发者采用。其实这一数字才刚刚开始，估计会有 400 万开发人员希望在不久的将来采用它。

图源：https://survey.stackoverflow.co/2022/#most-loved-dreaded-and-wanted-misc-tech-want

TensorFlow 现在每月被下载超过 18M 次，在 GitHub 上积累了 166k 颗星——比任何其他 ML 框架都多。在谷歌内部，TensorFlow 几乎支持所有 AI 生产工作流，包括搜索、广告、YouTube、GMail、地图、Play 等。它还被苹果、Netflix、Stripe、腾讯、优步、罗氏、LinkedIn、Twitter、百度、LVMH 等各大公司采用。

Google Scholar 上每个月都有超过 3000 篇出版物提到 TensorFlow，包括重要的应用科学研究，比如了解癌症的 CANDLE 研究。

近年来，我们了解到单一的通用框架无法适用于所有场景——尤其是在生产和前沿研究经常发生冲突的领域。因此，我们创建了 JAX，这是一个用于分布式数值计算的简化 API，为科学计算研究的下一个时代提供动力。JAX 在推动新的领域方面非常出色：达到新的并行规模，此外还推进了新的算法和体系结构，以及帮助研究者开发新的编译器和系统。JAX 在科研领域确实很受欢迎。

在这个多框架世界中，TensorFlow 是我们交给应用 ML 开发人员的一份答案——工程师需要在不同规模和不同平台上构建和部署可靠、稳定、高性能的 ML 系统。我们的愿景是创建一个有凝聚力的生态系统，研究人员和工程师可以利用系统组件进行研究，而不管它们起源于哪个框架。我们已经在 JAX 和 TensorFlow 互操作性方面取得了长足进步，特别是 jax2tf 的开发。开发 JAX 模型的研究人员能够通过 TensorFlow 平台的工具将它们投入生产。

未来，我们继续开发 TensorFlow ，并将其作为一流的应用 ML 平台，与 JAX 并肩推动 ML 研究发展。我们将继续在这两个 ML 框架上投资，以推动研究和应用，为我们的数百万用户服务。

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