4年半,全球下载量打破1个亿,仅过去1个月,便有超过1000万的下载。
这就是TensorFlow提交的最新成绩单。
谷歌AI担任人 Jeff Dean (传奇“姐夫”)十分激动:
当我们在2015年11月,将TensorFlow作为一个开源项目发布时,我们希望外界机器学习研讨人员在运用它时,和我们在 Google AI 的体验一样。
看到它的下载量打破1亿,我感到十分自豪。
Keras 作者、谷歌深度学习专家 François Chollet 也发推文表示:
仅过去的一个月,就有超过1000万次的下载量,它正在减速开展。
当然,毫无悬念的,网友们在姐夫推特下面写下了老梗:
但我们如今在用Pytorch。
为什么TensorFlow能取得如此成绩?在姐夫的推特中,还提到了2015年发布TensorFlow时的博客。
这一天,谷歌发布了TensorFlow的“白皮书”,并很快将其开源。
而它的故事,也就从这一时辰末尾谱写。
仰仗谷歌不容小觑的影响力,音讯在技术圈内迅速传开,但是在圈外,却没有想象中的那么惊动。
直到2016年,AlphaGo 引爆了群众对人工智能的热情,AI 也逐渐浸透进各行各业中,Tensorflow 则成为一个现象级的技术名词,被普通群众所熟知。
Tensorflow在2017年2月发布了1.0.0版本,也标志着波动版的降生。
早期的TensorFlow还是有不少被人诟病的中央,比如API的波动性、效率和基于静态计算图的编程上的复杂性等等。
历经几年的时间,TensorFlow不断地优化,同时吸取了像Pytorch这样框架的有点,逐渐地在处置这些缺陷。
2019年,谷歌推出了TensorFlow 2.0,这是平台开展历程中,称得上是一个重要的里程碑。几大亮点包括:
专注于复杂性和易用性,大大简化API
方便开发人员运用Keras 和 eager execution 轻松构建模型
提高TensorFlow Lite 和 TensorFlow.js 部署模型的才能
直到如今,TensorFlow 曾经迭代到 2.2.0 版本,愈增强调功用与生态系统的兼容性,以及中心库的波动性。
除了功用上的不断优化,TensorFlow的成功也得益于它的生态。
TensorFlow 可以说,树立了一个十分弱小的生态系统,包含各类库、扩展以及工具,可以满足研讨人员和开发人员完成端到端机器学习模型的各种需求。
关于研讨人员来说,TensorFlow提供了最尖端的机器学习研讨模型,例如,T5模型可以完成语音到文本的转换。
产品开发人员可结合运用TensorFlow与Keras等工具构建各种运用产品。TensorFlow Hub还提供少量预训练模型。
此外,开发人员可以应用TensorFlow Lite等工具,轻松将机器学习模型部署到各种设备上。
道阻且长,比任何时分都具有应战性TensorFlow取得如此成就固然是值得赞赏,但与此同时,它所面临的应战也是庞大的——甚至是史无前例的。
除了本身功用、易用性和生态等方面的开展要素外,更多的应战能够来自同类深度学习框架的竞争。
包括Pytorch、MXNet、Caffe、Keras等等,它们本身有着各自的亮点和特性,这也就形成了用户选择方面的差异。
那么,这些开源深度学习框架之间的竞争如何?
鉴于不是一切框架都发布了“下载量”这个目的,我们从GitHub上的关注度来做个比照。
若是有更好的比照目的,欢迎在评论区交流。
首先是TensorFlow,GitHub上的小星星曾经到达了14.4万。
Keras在GitHub上的小星星为4.82万。
Pytorch在GitHub上的小星星为3.86万。
Caffe在GitHub上的小星星为3.02万。
(责任编辑:admin)