谷歌工程師：TensorFlow已重獲新生；網(wǎng)友：我還是用PyTorch
在TensorFlow2.0中，解決了這個問題。
乾明 發(fā)自 凹非寺
量子位 報道 | 公眾號 QbitAI
道友留步！TensorFlow已重獲新生。
在“PyTorch真香”的潮流中，有人站出來為TensorFlow說話了。
這次來自谷歌的工程師Cassie Kozyrkov。她發(fā)表博文稱，TensorFlow升級到2.0版本后有了翻天覆地的變化， 對新手更加友好了。
引發(fā)這一變化的，是Keras。
在TensorFlow 2.0中，Keras API將成為TensorFlow中構(gòu)建和訓練模型的核心高級API。
在TensorFlow啟動項目將變得更簡單。
Kozyrkov說， 與TensorFlow 1.X的版本相比，這就是脫胎換骨的變化。
難用的TensorFlow1.X
想要掌握TensorFlow1.X，需要花費不少力氣，學習曲線非常陡峭，普通用戶只能遠遠看著。
背后的原因在于，Tensorflow是為從研究到生產(chǎn)的大規(guī)模模型而設(shè)計的，核心是性能。雖然難學，但只要堅持下去，就能進入機器學習從業(yè)者行列了。
然后，就可以用機器學習做一些不可思議的事情了，比如說發(fā)現(xiàn)新的恒星，推動醫(yī)學進步…..
但很可惜，這太難用了，只有少數(shù)人能夠掌握這種力量。
很多新的AI研究人員，以及不少Tensorflow用戶，都喊著“真香”，轉(zhuǎn)投PyTorch，畢竟隔壁家的不需要花太多力氣。
還好有Keras，讓不少人感受到了一些安慰。
Keras，是一個用于逐層構(gòu)建模型的框架，可以與多個機器學習框架一起工作，它從一開始就是Pythonic的，設(shè)計靈活，易于學習，吸引了不少人的使用和支持。
雖然它是一個從TensorFlow 內(nèi)部訪問的高級 API，但它跟TF沒啥關(guān)系。
開發(fā)者得在好用的Keras和性能強大的TensorFlow之間做出選擇。
這就很容易給人一種“PyTorch”真香的感覺。
在TensorFlow2.0中，解決了這個問題。
TensorFlow2.0的變化
谷歌TF工程負責人Karmel Alliso表示，開發(fā)者不應(yīng)該在簡單的 API 和可伸縮的 API 之間做出選擇，要有一個高級的API，不論是研究MNIST還是研究行星，都能搞定。
于是，Keras成了TensorFlow的高級 API，而且是可擴展的，可以直接從tf.keras使用 TensorFlow的所有高級功能。
而且Keras的簡單性，也帶到了TensorFlow上。
這種結(jié)合，會大幅度減少學習TensorFlow的門檻，對于初學者來說，是非常友好的。
現(xiàn)在，TensorFlow2.0已經(jīng)推出了Alpha版，如果你有想法， 可以收好下面的教程傳送門：
https://www.tensorflow.org/alpha
教程分成了初學者版和老司機版：
初學者版，用的是Keras Sequential API，最簡單的入門大法；
老司機版，展示了怎樣用命令式來寫正向傳播、怎樣用GradientTape來寫自定義訓練loop，以及怎樣用tf.function一行代碼自動編譯。
網(wǎng)友：我還是用PyTorch
這篇博文發(fā)表了之后，Medium上獲得了3K多的“鼓掌”，在Reddit上有了近百條討論。
TensorFlow和Keras更好地結(jié)合起來，讓一些人感覺挺好。但在討論中，有不少網(wǎng)友依舊心心念著“PyTorch”。
有人評價稱，這還是沒有PyTorch好用，PyTorch感覺就像NumPy，可以在一天內(nèi)學會，然后它就能正常工作。而學習TF（甚至2.0）會讓人感覺自己很笨。
有人說，只要我們有PyTorch，誰會關(guān)心TF。
甚至還有“脫粉”的現(xiàn)象：
好吧，至少現(xiàn)在我有足夠的動力離開TensorFlow并切換到PyTorch。
你呢？
TensorFlow 2.0還是PyTorch？
相關(guān)閱讀
Python最熱，PyTorch增速是TF的13倍：2019機器學習工具調(diào)查來了
2019年，做數(shù)據(jù)分析和機器學習，大家都喜歡什么樣的工具？著名的數(shù)據(jù)分析社區(qū)KDnuggets發(fā)布調(diào)查，給出了最新結(jié)果。
TF 2.0的中文深度學習開源書來了！GitHub趨勢榜第一，斬獲2K星
