谷歌官方回应：我们没有放弃TensorFlow，未来与JAX并肩发展

作者丨陈萍

来源丨机器之心

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

本文仅做学术分享，如有侵权，请联系删文。

3D视觉工坊精品课程官网：3dcver.com

1.面向自动驾驶领域的多传感器数据融合技术

2.面向自动驾驶领域的3D点云目标检测全栈学习路线！(单模态+多模态/数据+代码)
3.彻底搞透视觉三维重建：原理剖析、代码讲解、及优化改进
4.国内首个面向工业级实战的点云处理课程
5.激光-视觉-IMU-GPS融合SLAM算法梳理和代码讲解
6.彻底搞懂视觉-惯性SLAM：基于VINS-Fusion正式开课啦
7.彻底搞懂基于LOAM框架的3D激光SLAM: 源码剖析到算法优化
8.彻底剖析室内、室外激光SLAM关键算法原理、代码和实战(cartographer+LOAM +LIO-SAM)

9.从零搭建一套结构光3D重建系统[理论+源码+实践]

10.单目深度估计方法：算法梳理与代码实现

11.自动驾驶中的深度学习模型部署实战

12.相机模型与标定(单目+双目+鱼眼）

13.重磅！四旋翼飞行器：算法与实战

14.ROS2从入门到精通：理论与实战

15.国内首个3D缺陷检测教程：理论、源码与实战

重磅！3DCVer-学术论文写作投稿 交流群已成立

扫码添加小助手微信，可申请加入3D视觉工坊-学术论文写作与投稿 微信交流群，旨在交流顶会、顶刊、SCI、EI等写作与投稿事宜。

同时也可申请加入我们的细分方向交流群，目前主要有3D视觉、CV&深度学习、SLAM、三维重建、点云后处理、自动驾驶、多传感器融合、CV入门、三维测量、VR/AR、3D人脸识别、医疗影像、缺陷检测、行人重识别、目标跟踪、视觉产品落地、视觉竞赛、车牌识别、硬件选型、学术交流、求职交流、ORB-SLAM系列源码交流、深度估计等微信群。

一定要备注：研究方向+学校/公司+昵称，例如：”3D视觉 + 上海交大 + 静静“。请按照格式备注，可快速被通过且邀请进群。原创投稿也请联系。

▲长按加微信群或投稿

▲长按关注公众号

3D视觉从入门到精通知识星球：针对3D视觉领域的视频课程（三维重建系列、三维点云系列、结构光系列、手眼标定、相机标定、激光/视觉SLAM、自动驾驶等）、知识点汇总、入门进阶学习路线、最新paper分享、疑问解答五个方面进行深耕，更有各类大厂的算法工程人员进行技术指导。与此同时，星球将联合知名企业发布3D视觉相关算法开发岗位以及项目对接信息，打造成集技术与就业为一体的铁杆粉丝聚集区，近4000星球成员为创造更好的AI世界共同进步，知识星球入口：

学习3D视觉核心技术，扫描查看介绍，3天内无条件退款

 圈里有高质量教程资料、答疑解惑、助你高效解决问题

觉得有用，麻烦给个赞和在看~