▲圖片來源：buzzorange

TensorFlow 是 Google 在 2015 年推出的深度學習工具，它曾經是深受學界、業界歡迎的開源深度學習框架（framework），然而 2016 年 Facebook 推出 PyTorch，廣邀使用社群合力提高易用性、產業應用場景也變得更多元，TensorFlow 的聲量於是開始節節下滑。

TensorFlow 上手困難、更新太頻繁

TensorFlow 當年問世時人氣直線上升，知名企業如 Uber、Airbnb，甚至 NASA 都在初期就選用 TensorFlow 作為複雜專案的執行框架，這些專案都需要用到龐大的數據組合來訓練演算法。截至 2020 年 11 月，TensorFlow 下載次數已經達到 1.6 億次。

然而 Google 放任「特徵蔓延」（feature creep），不斷擴充、膨脹功能性，導致產品比初始設計更複雜；另一方面，由於機器學習領域進展飛快，Google 必須非常頻繁地更新框架以適應新工具，這些最終都使得 TensorFlow 產品失焦，且逐漸變得使用者不友善。

PyTorch 易於理解、代碼簡潔

Facebook 旗下的 AI 研究實驗室在 2018 年推出 PyTorch 完整版，和 TensorFlow 一樣，PyTorch 使用之程式語言也是機器學習專家所愛用的 Python，只不過後者對於開源社群更加重視──不斷增長的社群人數、設計良好的使用介面、高易用性、debug 更完善……只要使用者熟悉 TensorFlow 與 Python，幾乎可無痛轉換至 PyTorch。

目前汽車產業是 PyTorch 最強勢的應用場景之一，例如 Tesla 和 Lyft Level 5 都運用 PyTorch 來設計自駕系統；同樣的框架也適用於媒體產業的內容分類與推薦，以及工業用機器人。

Google 如何迎戰 PyTorch？

為了不讓 PyTorch 專美於前，Google 正潛心研發另一款機器學習框架，並將之命名為 JAX，外界認為 JAX 即將成為 TensorFlow 的繼任者，而組織內部如 Google Brain 和 Google DeepMind 的 AI 分支，絕大多數也都已捨棄 TensorFlow、轉向使用更簡便的 JAX，預計 Google 旗下的其餘組織，很快也將跟上這股風潮，在未來幾年內改變內部開發軟體的方法，並成為所有機器學習產品的使用框架。

編程專家也看好 JAX

Viral Shah 是專攻科學運算的年輕程式語言「Julia」的創始人，資料科學專家常把 Julia 和 JAX 拿來相互比較。Viral Shah認為 JAX 簡直是電腦工程的工藝結晶，「我認為它是一款獨立的程式語言，只是剛好也透過 Python 加以實例化（instantiated），只要遵循 JAX 的編碼守則，它的應用潛力十分出色。」

儘管 Google 貌似從 TensorFlow 產品學到不少寶貴教訓，但究竟能否藉由開發 JAX 重回機器學習框架首選的寶座，外界普遍認為這點仍充滿變數，因為 Meta 的心血結晶 PyTorch 早已擄獲眾多程式開發者的愛用支持。

轉貼自： buzzorange.com

若喜歡本文，請關注我們的臉書 Please Like our Facebook Page： Big Data In Finance