2018年5月2日,PyTorch团队发布了PyTorch 1.0的蓝图:
谷歌大脑工作人员 Hieu Pham (尚未广泛使用 PyTorch)在 Quora 上提出:PyTorch 并非整体最佳的深度学习框架。当然他认为 TensorFlow 需要适应。他最后的忠告是:没有整体最佳的深度学习框架(如同没有整体最好的编程语言),不要因为某工具难以学习和使用而拒绝该工具,应当根据经验和资源找到最适合自己的工具。理由如下:
一位有20年神经网络经验的高级数据科学家 Marco Fabiani 则表示,已经入坑 PyTorch (Python 环境),弃坑使用一年多的 Tensorflow,当然 C 环境下他更喜欢 Caffe。理由还是 PyTorch 易用 - 从零开始使用 PyTorch 一周,工作效率比使用 Tensorflow 几个月还要高 - Marco Fabiani 注重完全控制训练过程,比如训练过程中修改梯度,删除/添加连接,某些权重设置为 0,而 Tensorflow 的静态图无法支持这些,sessions, graphs, collections 带来的是不必要的过度复杂。
注:TensorFlow 已经引入动态计算选项 Eager Execution,但目前 TensorFlow 仍以静态计算为主。
我想说的是,谷歌为 TensorFlow 进行了大量的投资,为深度学习的普及做了很大的贡献,而 PyTorch 才刚刚开始,有需要优化的地方不足为奇,但以大规模分布式学习这种“土豪级”特性来评判目前的框架优劣并不合适,先完善单机多卡,再搞多机多卡,是一个正常的 Roadmap,其实现在很多训练都不是多机的。
当然 Hieu Pham 说得没错,数据科学工作者确实应当选择最合适自己的工具,比如网易猛犸一站式大数据管理和应用开发平台,覆盖了大规模数据存储与计算、数据集成、应用开发及数据管理等企业大数据应用场景,其设计强调敏捷、易用、一站式应对多场景,就是希望让数据科学工作者能够低门槛、快速开展工作。
* 版权声明 :社区问答内容由互联网用户编辑提交,本社区不拥有所有权,也不承担相关法律责任。如果您发现本社区中有涉嫌侵权、暴力、色情、反
动等言论,欢迎发送邮件至: 进行举报并提供初步证明,一经查实,本社区将立刻删除相关内容。