TensorFlow和PyTorch，你选谁？炼金术士肯定是被TF折磨的。静态图形、依赖性问题和莫名其妙的界面更改。即使谷歌发布了TF2.0，问题依然没有得到解决。无奈之下改用PyTorch之后，世界已经清晰了。“人生苦短，我用PyTorch。”甚至从谷歌公布的新一代计算框架JAX来看，似乎官方已经放弃了TF，而TensorFlow离坟墓只有半步之遥。就在TF七岁生日前夕，TensorFlow开发团队发布了一篇博客，宣布TensorFlow将继续开发，并将在2023年发布新版本，整顿脏乱差的界面，并承诺100%向下兼容！TensorFlowWarstheFuture大约七年前，2015年11月9日，TensorFlow正式开源。也是从那时起，数以万计的开源贡献者和谷歌开发专家、社区组织者、研究人员以及社区中的全球教育工作者都投入了TensorFlow的开发。七年后，TensorFlow成为最常用的机器学习平台，被数百万开发人员使用。TF是gitHub上排名第三的软件仓库（仅次于Vue和React），也是PyPI上下载次数最多的机器学习包。TF还将机器学习引入移动生态系统：TFLite在40亿台设备上运行。TensorFlow还将机器学习引入浏览器：TensorFlow.js每周有170,000次下载。在Google的产品阵容中，TensorFlow几乎支持所有生产机器学习，包括搜索、GMail、YouTube、地图、Play、广告、照片等。除了谷歌，在其他Alphabet子公司中，TensorFlow和Keras也为Waymo的自动驾驶汽车提供机器智能基础。在更广泛的行业中，TensorFlow为数千家公司的机器学习系统提供支持，其中包括世界上大多数最大的机器学习用户——苹果、字节跳动、Netflix、腾讯、Twitter等等。在研究领域，GoogleScholar每个月都会收录超过3,000篇提及TensorFlow或KerasTF的新科学文章。如今，其用户群和开发者生态系统比以往任何时候都更大，并且还在不断增长！TensorFlow的发展不仅是一项值得庆祝的成就，也是进一步为机器学习社区提供更多价值的机会。开发团队的目标是提供地球上最好的机器学习平台，并努力将机器学习从小众行业转变为像Web开发这样的成熟行业。为实现这一目标，开发团队愿意倾听用户需求，预测行业新趋势，迭代软件界面，力求让大规模创新变得越来越简单。机器学习正在迅速发展，TensorFlow也是如此。开发团队已经开始着手TensorFlow的下一个迭代，它将支持下一个十年机器学习的发展，让我们一起战斗未来！TensorFlow的四大支柱是快速和可扩展的：XLA编译、分布式计算和性能优化。TF将专注于XLA编译。基于TPU的性能优势，大部分模型的训练和推理工作流程都会在GPU和CPU上进行。快点。开发团队希望XLA成为深度学习编译器的行业标准，目前作为OpenXLA项目的一部分开源。同时，团队也开始研究可用于大规模模型并行化的新接口DTensor，这可能开启超大规模模型训练和部署的未来。当一个用户开发一个大型模型时，即使同时使用多个客户端，其感知也与在单机上训练是一样的。DTensor将与tf.distribution的接口统一，以支持灵活的模型和数据并行性。开发团队还将进一步研究算法性能优化技术，例如混合精度和降精度计算，这些技术可以为GPU和TPU提供可观的速度提升。应用机器学习为计算机视觉和自然语言处理领域提供了新的工具。团队正在研究的应用机器学习生态系统，特别是通过KerasCV和KerasNLP包，为应用CV和NLP用例提供模块化和可组合的组件，包括大量最先进的预训练模型.对于开发者，团队还将为流行和新兴的应用机器学习用例添加更多代码示例、指南和文档，最终目标是逐步降低机器学习的行业壁垒，并将其转化为每个开发者的体验。工具在手。更轻松的部署开发人员将能够轻松导出他们的模型，例如移动设备（Android或iOS）、边缘设备（微控制器）、服务器后端或JavaScript。将来，将模型导出到TFLite和TF.js并优化其推理性能就像调用mod.export()一样简单。同时，该团队还在开发用于原生服务器端推理的公共TF2C++接口，可以直接作为C++程序的一部分使用。无论您是使用JAX和TensorFlowServing开发模型，还是使用TensorFlowLite和TensorFlow.js开发移动和Web模型，部署都将变得更加容易。更简单随着机器学习领域在过去几年中不断扩展，TensorFlow的界面也在不断扩展，但并不总是以一致或易于理解的方式呈现。开发团队正在积极整合和简化这些API，例如采用数字的NumPyAPI标准。模型的调试也是需要考虑的问题。一个优秀的框架不仅是它的API接口设计，还包括调试体验。该团队的目标是通过更好的调试功能最大限度地缩短开发任何应用机器学习系统的解决方案时间。承诺：100%向后兼容开发团队希望TensorFlow成为机器学习行业的基石，因此API的稳定性也是最重要的特性。作为依赖TensorFlow作为产品一部分的工程师，以及作为TensorFlow生态系统包的构建者，您可以升级到最新的TensorFlow版本并立即享受新功能和性能改进，而不必担心现有代码库可能崩溃。因此，开发团队承诺从TensorFlow2到下一版本完全向后兼容。TensorFlow2代码可以按原样运行，无需转码或手动更改。该团队计划在2023年第二季度发布TensorFlow新功能的预览版，并在今年晚些时候发布正式版。
