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)