如何评价Google发布的第二代深度学习系统TensorFlow

如何评价Google发布的第二代深度学习系统TensorFlow

google头一次让人莫名地失望, 总觉得有些华而不实, 或搞了噱头但有意地抽掉关键功能这里跟另一个我用的框架比较 deeplearning4j 及其分开的数值库 nd4j 也是支持张量的

1. 虽然已实作的网路种类很广, 但不少都是那种只要框架本身架构好些, 就挺容易自行扩展实现的, 对任何有自行编程扩展能力的人来说, 这不能算是个好处. 因为深度学习架构日新月异, 更重要的是实作新架构的弹性, 这点tensorflow目前略胜, 用Java还是有点痛苦的. 但若是用其他支持设计DSL的JVM语言如Scala或Groovy等, 也是大有可为. 已经有人用Scala或Groovy的DSL搞出一个Dataflow或甚至reactive的范式用于界面设计, 虽还没人用在深度学习架构上, 但这只是有没人要做的问题. python C++ 不支持DSL, 没办法自然地嵌入其他范式, 硬做成dataflow还是有些难看的

2. 暂时不支持分布式, 不知道要等到猴年马月才会释出, 说不定根本不会释出, 用了说不定就被Google服务给绑架了, 说绑架是情绪化些, 但这确实是Google常用的商业模式, 用所谓的开源软件搭配闭源且很关键的服务. 现在应用场景的数量级一个比一个大, 没分布式只能玩玩具. 但此时已经有两个用java写的框架支持分布式, 似无必要作此赌注. 其中一个是我没用过的SINGA, 及我用的 deeplearning4j

3. deeplearning4j 后端可抽换, 有 spark 后端支持分布式, 还有更轻量的 Akka 分布式后端, 另外Spark后端支持在每台主机上用Cuda加速, 甚至还貌似很容易的加上了有zookeeper跟这个我不知道是什麽的分布式后端, 若第1点讲的是语言界面前端的弹性, 这第3点就是讲后端的弹性了, 两端的可携性都强到一定境界. 若是Tensorflow也要增加新后端, 恐怕是到处都在定义 Protocolbuf, 这点 另 Tensorflow 相形见绌

4. Tensorflow把能在其他cpu架构上跑当作卖点, 但很不巧 deeplearning4j 选上了JVM, 不用什麽调整就能在手机上跑, 只要你用不依赖原生函式库的纯Java后端像是JBlas