2015 年，Google大腦開放了一個名為「TensorFlow」的研究項目，這款產品迅速流行起來，成為人工智慧業界的主流深度學習框架，塑造了現代機器學習的生態系統。從那時起，成千上萬的開源貢獻者以及眾多的開發人員、社群組織者、研究人員和教育工作者等都投入到這個開源軟體庫上。
然而七年後的今天，故事的走向已經完全不同：Google的 TensorFlow 失去了開發者的支持。因為 TensorFlow 用戶已經開始轉向 Meta 推出的另一個框架 PyTorch。
眾多開發者都認為TensorFlow 已經輸掉了這場戰爭，並將其比喻為：「PyTorch 吃掉了TensorFlow 的午餐。」
#在PyTorch 的陰影下，谷歌正在悄悄地開發一個機器學習框架，就是JAX（曾是“Just After eXecution”的首字母縮寫，但官方說法中不再代表任何東西），許多人將其視為TensorFlow 的繼承者。
一時之間，關於Google要放棄 TensorFlow，全面轉向 JAX 的說法鬧得人盡皆知。其實不然，Google並沒有放棄 TensorFlow，他們表示未來 TensorFlow 將與 JAX 並肩發展。
不過話說回來，在這短短的七年中，TensorFlow 已經有了亮眼的表現，已然發展成為最常用的機器學習平台，使用人數達數百萬。 TensorFlow 現在每月下載超過 18M 次，在 GitHub 上累積了 166k 顆星——比任何其他 ML 框架都多。
此外，TensorFlow 也為在行動生態系統上進行機器學習帶來了便利：目前 TFLite 在大約 40 億台裝置上運行，也許你的裝置也包含在內。 TensorFlow 也將機器學習引入 Web，TensorFlow.js 現在每週下載量超 17 萬次。
在Google的整個產品系列中，TensorFlow 幾乎為所有機器學習提供支持，包括搜尋、GMail、YouTube、Maps 、Play、廣告、照片等等。除了谷歌，在 Alphabet 旗下的子公司，TensorFlow 連同 Keras 為 Waymo 自動駕駛汽車提供了新的機器智慧。
在更廣泛的行業中，TensorFlow 為數千家公司的機器學習系統提供支持，其中包括蘋果、ByteDance、Netflix、騰訊、Twitter 等公司。研究領域，在 Google Scholar 上每個月都有超過 3000 篇出版物提到 TensorFlow，包括重要的應用科學研究，例如了解癌症的 CANDLE 研究。
毫不誇張的說，TensorFlow 基礎使用者和開發者生態比以往任何時候都要多，而且還在不斷增長。谷歌認為 TensorFlow 的發展不僅是一項值得慶祝的成就，它也為機器學習社群走得更遠提供了新的機會。
Google一直以來奉行的目標是提供最好的機器學習平台，並努力將機器學習從小眾工藝轉變為像 Web 開發一樣成熟的行業軟體。
Google對 TensorFlow 的發展也將繼續，走過了 7 年，還會有下個 7 年。
最近，Google宣布他們已經著手開發 TensorFlow 的下一個迭代，並專注於四大支柱。更具體地，Google計劃在 2023 年第二季發布新的 TensorFlow 預覽版，之後稍後發布生產版本。
快速且可擴展
首先是 XLA 編譯。 Google專注於 XLA 編譯，讓訓練和推理模型在 GPU 和 CPU 上更快，並致力於讓 XLA 成為行業標準的深度學習編譯器，並且作為 OpenXLA 計劃的一部分，谷歌已將其開放給開源協作。
其次是分散式計算。谷歌正在專注於 DTensor 的研究，這是一種用於大規模模型並行的新 API。 DTensor 將與 tf.distribute API 統一，允許靈活的模型和資料並行。
最後是效能最佳化。除了編譯之外，Google還進一步專注於演算法效能最佳化，例如混合精度和降低精度運算，從而在 GPU 和 TPU 上提供相當大的加速。
應用程式 ML
#用於 CV 和 NLP 的新工具。谷歌正在投資應用型 ML（Applied ML）的生態系統，特別是透過 KerasCV 和 Keras NLP 套件為各種用例提供模組化和可組合的元件。
開發者資源。谷歌正在為流行以及新興的應用機器學習用例添加更多程式碼範例、指南和文檔，降低開發人員進入 ML 的門檻，使得每個開發工具簡單可用。
部署層級
#更容易匯出。谷歌將會使模型匯出到行動裝置（Android 或 iOS）、邊緣裝置（微控制器）、伺服器後端或 JavaScript 變得更加容易。使用者可以將模型匯出到 TFLite 和 TF.js，並優化模型推理效能，操作起來就像呼叫 model.export() 一樣簡單。
用於應用程式的 C API 。谷歌正在開發公共 TF2 C API ，作為 C 應用程式的一部分用於本地伺服器端推理。
部署 JAX 模型。谷歌正在讓 TensorFlow 服務部署模型變得更容易。
#簡化
#NumPy API。過去幾年，ML 領域快速發展，同時 TensorFlow 的 API 也隨之增加。為了適應技術的發展，Google正在全面整合和簡化 API。
讓 debug 變得更容易。在 ML 領域，debug 是一項不可忽略的技術。谷歌將專注於更好的 debug 功能，以最小化其時間。
Google表示，TensorFlow 未來將是 100% 向後相容的。 Google希望 TensorFlow 成為機器學習產業賴以發展的基石，並承諾從 TensorFlow 2 開始到下一個版本，TensorFlow 完全向後相容，程式碼將按原樣運行，不需要運行轉換腳本，也不需要手動更改。谷歌將繼續在 TensorFlow 框架上投資，以推動研究和應用，為數百萬用戶服務。
以上是Google並未放棄TensorFlow，將於2023年發表新版，明確四大支柱的詳細內容。更多資訊請關注PHP中文網其他相關文章！
