谷歌官方回应：我们没有放弃TensorFlow，未来与JAX并肩发展

作者丨陈萍

来源！机器之心

TensorFlow 不是谷歌的一个「弃子」，将继续发展。

前段时间，AI 这样的说法在边界上流传，大概就是说，TensorFlow 谷歌已经成为一个「弃子」。

更是有外媒 Business Insider 采访了一系列与谷歌机器学习密切相关的开发人员、硬件专家、云供应商和人员，并获得了同样的观点：2015年 年诞生的 TensorFlow，曾经辉煌一时，而 Meta 在 2017 年开源的 PyTorch 在这场战争中，谷歌开始押宝 JAX。

接近项目的人告诉他们， Insider，谷歌大脑和 DeepMind 在很大程度上放弃了 TensorFlow，转而使用 JAX。谷歌内部人士也向谷歌内部人士展示 Insider 证实，JAX 现在谷歌的大脑和大脑几乎已经存在了 DeepMind 全球采用。

熟悉该项目的人也表示，JAX 谷歌产品有望成为未来几年使用机器学习的所有支柱，就像 TensorFlow 在 2015 几年后做的。

有一段时间，谷歌想放弃 TensorFlow，全面转向 JAX 众所周知，谷歌内部人士的爆料让人更加确信这句话是真的。

事实是什么？TensorFlow 官方博客的回应来自 TensorFlow 团队中的两位研究人员 Laurence Moroney 和 Josh Gordon。总结来说就是：谷歌并没有像网传的那样放弃 TensorFlow，将继续投资研发。

谷歌：我们没有放弃 TensorFlow，将与 JAX 并肩发展

Stack Overflow 最近发布了一份调查报告，显示 TensorFlow 是目前最常用的 ML 工具，被 300 万软件开发者采用。事实上，这个数字才刚刚开始，估计会有 400 万开发人员希望在不久的将来使用它。

图源：https://survey.stackoverflow.co/2022/#most-loved-dreaded-and-wanted-misc-tech-want

TensorFlow 现在每月下载超过 18M 次，在 GitHub 上积累了 166k 星星-比别人多 ML 框架都多。谷歌内部，TensorFlow 几乎支持一切 AI 搜索、广告、YouTube、GMail、地图、Play 等。它还被苹果，Netflix、Stripe、腾讯、优步、罗氏、LinkedIn、Twitter、百度、LVMH 等各大公司采用。

Google Scholar 每个月都有超过 3000 出版物提到 TensorFlow，包括重要的应用科学研究，如了解癌症 CANDLE 研究。

近年来，我们了解到，单一的通用框架并不适用于所有场景，特别是在生产和前沿研究中。所以，我们创造了它 JAX，这是对分布式数值计算的简化 API，为下一个科学计算研究时代提供动力。JAX 在促进新领域方面非常出色：实现新的并行规模，促进新的算法和系统结构，帮助研究人员开发新的编译器和系统。JAX 在科研领域确实很受欢迎。

在这个多框架世界里，TensorFlow 是我们给应用的 ML 工程师需要在不同的规模和平台上构建和部署可靠、稳定、高性能的答案 ML 系统。我们的愿景是创建一个有凝聚力的生态系统，研究人员和工程师可以使用系统组件进行研究，无论它们起源于哪个框架。我们已经在那里了 JAX 和 TensorFlow 互操作性取得了很大进展，尤其是 jax2tf 的开发。开发 JAX 通过 TensorFlow 将平台工具投入生产。

未来，我们将继续发展 TensorFlow ，并将其作为一流的应用 ML 平台，与 JAX 并肩推动 ML 研究和发展。我们将继续这两个 ML 投资框架，促进研究和应用，为数百万用户服务。

参考链接：https://blog.tensorflow.org/2022/06/ bringing-machine-learning-to-every-developers-toolbox.html?m=1

本文仅进行学术分享。如有侵权行为，请联系删除。

3D视觉车间精品课程官网：3dcver.com

1.自动驾驶领域的多传感器数据集成技术

2.自动驾驶领域3D点云目标检测全栈学习路线！(单模态 多模态/数据 代码)3.彻底了解视觉三维重建：原理分析、代码解释、优化和改进4.中国第一门面向工业级实战的点云处理课程5.激光-视觉-IMU-GPS融合SLAM算法梳理和代码解释6.彻底理解视觉-惯性-惯性SLAM：基于VINS-Fusion正式开课啦7.彻底了解基础LOAM框架的3D激光SLAM: 从源代码分析到算法优化8.室内外激光彻底分析SLAM关键算法原理、代码和实战(cartographer LOAM LIO-SAM)

9.从零开始建造一套结构光3D重建系统[理论 源码 实践]

10.单目深度估计方法:算法梳理和代码实现

11.在自动驾驶中部署深度学习模型

12.相机模型及标定(单目) 双目 鱼眼）

13.重磅！四旋翼飞机：算法与实战

14.ROS2从入门到精通:理论与实战:

15.国内首个3D缺陷检测教程：理论、源代码和实战

重磅！3DCVer-提交学术论文写作交流群已成立

扫码添加小助手微信，可申请加入3D视觉研讨会-学术论文写作和提交微信交流群旨在交流顶会、顶刊、SCI、EI等待写作和提交。

同时也可申请加入我们的细分方向交流群，目前主要有3D视觉、CV&深度学习、SLAM、三维重建、点云后处理、自动驾驶，多传感器集成，CV入门，三维测量，VR/AR、3D人脸识别、医学影像、缺陷检测、行人重识别、目标跟踪、视觉产品着陆、视觉竞赛、车牌识别、硬件选择、学术交流、求职交流、ORB-SLAM系列源码交流，深度估计等微信群。

注：研究方向 学校/公司 昵称，例如：”3D视觉 上海交大 安静。请按格式备注，可快速通过并邀请进入群。原创投稿也请联系。

▲长按加微信群或投稿

▲长按关注公众号

3D视觉从入门到精通知识星球：针对3D视觉领域的视频课程(三维重建系列，三维点云系列，结构光系列，手眼标定，相机标定，激光/视觉SLAM、自动驾驶等）、总结知识点，进入高级学习路线，最新paper分享，回答问题深耕五个方面，各大厂的算法工程师进行技术指导。同时，星球将与知名企业合作发布3家D视觉相关算法开发岗位和项目对接信息，打造集技术与就业于一体的铁杆粉丝聚集区，近4000星球成员打造更好的AI世界共同进步，知识星球入口:

学习3D视觉核心技术，扫描查看介绍，3天内无条件退款

圈子里有高质量的教程资料，回答问题，帮助你有效地解决问题

觉得有用，麻烦给个赞和在看~