Équipe tensflow: Nous ne sommes pas abandonnés

Poissons et moutons De Temple d'avo
Bit quantique | Numéro public QbitAI

Enfin,Google répond“TensorFlowAbandonné”Ouï - dire：

Nous continuerons de nous engager àTensorFlowCréer une plate - forme d'apprentissage automatique de première classe,AvecJAXPromouvoir la recherche sur l'apprentissage des machines côte à côte.

Cette période,“JAXRemplacerTensorFlow”C'est un sujet brûlant.

Non seulementBusiness InsiderAttendez que les médias citent des sources internes,Pesage“Google Brain etDeepMindA été largement abandonnéTensorFlow,TransfertJAX”.

CompagnieLeCun、fast.aiFondateurJeremy HorwardEt les grands cafés se sont précipités pour regarder,Indique que la compétition entre les cadres d'apprentissage profond entre dans une nouvelle phase.

InTensorFlowParce que de plus en plus gros、Coût élevé des études question,Dans un contexte de plus en plus critiqué par l'industrie,“Google abandonneTensorFlow”Il ne semble pas y avoir de problème.

Mais,Après une période de fermentation de l'opinion publique,Maintenant,TensorFlowL'équipe officielle est finalement arrivée“Dissiper les rumeurs”,Présentation des documents：

Nous continuerons à investirTensorFlowEtJAXDeux.MLCadre, Pour stimuler la recherche et les applications pour des millions d'utilisateurs .

Détails spécifiques,Venez voir.TensorFlow Il y a quelque chose sur le blog .

Officiellement：TensorFlow C'est la réponse que nous avons donnée à l'Ingénieur.

TensorFlow Officiellement cité dans l'article Stack OverflowStatistiques les plus récentes.

Les données montrent,TensorFlow Dans le domaine de l'apprentissage automatique dans son ensemble, PyTorchBienvenue.

En plus,TensorFlow Les téléchargements mensuels actuels dépassent 180010 000 fois,Et dansGitHubPropriété16.6 Étoile standard .

En comparaison,PyTorch Le nombre d'étoiles est 5.7(En milliers de dollars des États - Unis),JAX Le nombre d'étoiles est 1.91(En milliers de dollars des États - Unis).

L'équipe officielle a souligné ,À l'intérieur de Google,TensorFlow Pour presque tout AI Soutien au flux de travail de production ,Inclure la recherche、Publicité、YouTube、Boîte aux lettres、La carte、Play、Cartes, etc..

Et les pommes、Netflix、Tencent、Uber Attendez une entreprise bien connue ,Tout est utiliséTensorFlow Soutenir leurs systèmes de production .

Et pourquoi Google apprécie - t - il maintenant JAX,La raison en est：

Ces dernières années,Nous avons découvert, Un cadre commun unique n'est souvent pas disponible pour tous les scénarios —— En particulier, les besoins en matière de production et de recherche de pointe sont souvent contradictoires. .

Donc,,Nous avons crééJAX, Une méthode simple de calcul numérique distribué API.

JAX Très bonne performance dans le domaine de la recherche de pointe ： Atteindre une nouvelle échelle parallèle , Nouveaux algorithmes et cadres avancés , De nouveaux compilateurs et systèmes ont également été mis au point. .

Officiellement, par exemple ,AlphaFoldEtImagen Tout a été vérifié JAXValeur de.

En comparaison,TensorFlowOui.“ Nos réponses aux besoins des développeurs d'apprentissage automatique appliqué ”.

C'est - à - dire,TensorFlow Se concentrera davantage sur la satisfaction des ingénieurs sur n'importe quelle échelle et n'importe quelle plate - forme , Construire et déployer de façon fiable 、Stable、 Exigences relatives aux systèmes d'apprentissage automatique à haute performance .

En outre,Les responsables de GoogleJAXEtTensorFlow Beaucoup de travail a également été fait dans le domaine de l'interfonctionnement. .

Par exemple,jax2tf, Les chercheurs peuvent mettre JAX Le modèle est placé dans TensorFlowMise en production.

Enfin,Officiellement mentionné：

Perspectives d'avenir,Nous continuerons de nous engager àTensorFlowCréer une plate - forme d'apprentissage automatique de première classe,AvecJAXPromouvoir la recherche sur l'apprentissage des machines côte à côte.

Nous continuerons d'investir des ressources dans l'élaboration de ces deux cadres d'apprentissage automatique. , Pour stimuler la recherche et les applications pour des millions d'utilisateurs .

Il y a eu une vague d'annonces d'emploi. （Tête de chien manuelle）.

À propos deJAX

2018Année,JAX Une petite équipe de trois personnes née dans le cerveau de Google .

Au début de la naissance, Il vise l'étude du calcul numérique à haute performance et de l'apprentissage des machines. .

JAX Peut être considéré comme un soutien GPU、TPU Attendez que l'accélérateur accélère 、 Prise en charge de la différenciation automatique NumpyVariante.

En termes simples,C'est compréhensible.： Quand vous voulez faire face à des problèmes qui exigent beaucoup de puissance de calcul ,AdoptionJAX, Vous pouvez rapidement répartir des problèmes complexes en plusieurs TPUAllez..

Pour l'instant, Google Brain Trax、Flax、Jax-md,EtDeepMindUne bibliothèque de réseaux neuronauxHaiku Et une bibliothèque d'apprentissage améliorée RLaxAttendez.,Tout est basé surJAXConstruit.

Il convient de mentionner que,JAX A la naissance ,Exactement.PyTorch Un grand choc dans le milieu universitaire TensorFlowQuand.

Un Institut de recherche de l'Université de Californie à Berkeley RISELabLes données de：

2019Année1Mois à6Fin du mois,InarXivDans un article publié le,RéférencesTensorFlowEtPyTorchLe nombre de,PyTorch Juste un peu en arrière .

Mais en termes de taux de croissance, ,Avec2018Année1-6Comparaison mensuelle,PyTorchDe“Part”Croissance194%.TensorFlow Et ça n'a augmenté que 23%.

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