TensorFlow，危！抛弃者正是谷歌自己( 二 )

【TensorFlow，危！抛弃者正是谷歌自己】4、不支持Windows系统，只能在上面的虚拟环境中运行。
5、没有数据加载器，得借用TensorFlow或PyTorch的。
……
尽管如此，简单、灵活又好用的JAX还是率先在DeepMind中流行起来。 2020年诞生的一些深度学习库Haiku和RLax等都是基于它开发。
这一年， PyTorch原作者之一AdamPaszke ，也全职加入了JAX团队。
目前， JAX的开源项目在GitHub上已有18.4k标星，比TensorFlow高了不少了。
值得注意的是，在此期间，有不少声音都表示它很可能取代TensorFlow 。
一方面是因为JAX的实力，另一方面主要还是跟TensorFlow自身的很多原因有关。
为什么谷歌要转投JAX？诞生于2015年的TensorFlow ，曾经也风靡一时，推出后很快超过了Torch、Theano和Caffe等一众“弄潮儿” ，成为最受欢迎的机器学习框架。
然而在2017年，焕然一新的PyTorch“卷土重来” 。
这是Meta基于Torch搭建的机器学习库，由于上手简单、通俗易懂，很快受到一众研究者的青睐，甚至有超过TensorFlow的趋势。
相比之下， TensorFlow却在频繁更新和界面迭代中变得越来越臃肿，逐渐失去了开发者的信任。
（从StackOverflow上的提问占比来看， PyTorch逐年上升， TensorFlow却一直停滞不前）

文章图片
在竞争之中， TensorFlow的缺点逐渐暴露出来， API不稳定、实现复杂、学习成本高等问题并没有随着更新解决多少，反而结构变得更复杂了。
相比之下， TensorFlow却没有继续发挥比较能打的“运行效率”等优势。
在学术界， PyTorch的使用率正逐渐超过TensorFlow 。
尤其是在各大顶会如ACL、ICLR中，使用PyTorch实现的算法框架近几年已经占据了超过80% ，相比之下TensorFlow的使用率还在不断下降。
也正是因此，谷歌坐不住了，试图用JAX夺回对机器学习框架的“主导权” 。
虽然JAX名义上不是“专为深度学习构建的通用框架” ，然而从发布之初起，谷歌的资源就一直在向JAX倾斜。
一方面，谷歌大脑和DeepMind逐渐将更多的库构建在JAX上。
包括谷歌大脑的Trax、Flax、Jax-md ，以及DeepMind的神经网络库Haiku和强化学习库RLax等，都是基于JAX构建的。
据谷歌官方表示：
JAX生态系统开发中，也会考虑确保其与现有TensorFlow库（如Sonnet和TRFL）的设计（尽可能）保持一致。
另一方面，更多的项目也开始基于JAX实现，最近爆火的DALL·Emini项目就是其中一个。
由于能更好地利用谷歌TPU的优势， JAX在运行性能上比PyTorch要好得多，更多之前搭建在TensorFlow上的工业界项目也正在转投JAX 。
甚至有网友调侃JAX如今爆火的原因：可能是TensorFlow的使用者实在无法忍受这个框架了。

文章图片
那么， JAX到底有没有希望替代TensorFlow ，成为与PyTorch抗衡的新力量呢？
更看好哪一个框架？总体来看，很多人还是很坚定地站PyTorch 。
他们似乎不喜欢谷歌每年都出一个新框架的速度。

文章图片
“JAX虽然很吸引人，但还不够具备“革命性”的能力促使大家抛弃PyTorch来使用它。 ”

文章图片
但看好JAX的也并非少数。
就有人表示， PyTorch是很完美，但JAX也在缩小差距。