提到 TensorFlow，機器學(xué)習(xí)圈的人肯定很熟悉，它一直是最流行的開源深度學(xué)習(xí)框架之一。自 2015 年至今，成千上萬的開源貢獻者、開發(fā)人員、社區(qū)組織者、研究人員都投入到了這一開源軟件庫上。

不過近年來，關(guān)于 TensorFlow 的爭議不斷，谷歌要放棄 TensorFlow 轉(zhuǎn)向 JAX 的新聞也曾鬧得沸沸揚揚。

那么，TensorFlow 現(xiàn)在的使用體驗怎么樣了呢？今日 Reddit 上的一個吐槽帖子可能很好地反映了用戶的心聲。

帖子作者表示自 2017 年開始，整個深度學(xué)習(xí)生涯幾乎都在使用 TensorFlow，并一直在 Windows 系統(tǒng)上使用。但當(dāng)從 2.10 升級到 2.13 版本時，他發(fā)現(xiàn) GPU 沒有被利用上，深挖之后發(fā)現(xiàn) TensorFlow 在 2.10 版本之后就放棄了對 Windows GPU 的支持。

因此，他表示 TensorFlow 2.10 是 Windows 本地支持 GPU 的最后一個版本。從 2.11 開始，你就需要在 WSL 2 上安裝 TensorFlow，或者使用 TensorFlow-DirectML-Plugin。這造成了很大困擾，他認(rèn)識的大多數(shù)機器學(xué)習(xí)開發(fā)者都使用 Windows 并在本地進行開發(fā)，現(xiàn)在只能切換到 Linux 上部署了。

他知道 WSL 是一個選項，但弊端在于只能使用 50% 的 RAM，并且不使用本機文件系統(tǒng)。在很多人已（正在）轉(zhuǎn)向 PyTorch 時，他堅持并倡導(dǎo)使用 TensorFlow，但如今他感覺被背叛了。TensorFlow 拋棄了他。如今他也將很快轉(zhuǎn)向使用 PyTorch 了。

這位作者的經(jīng)歷得到了眾多網(wǎng)友的附和，有人表示 TensorFlow 已經(jīng)「死了」，就連谷歌工程師都要用 JAX 替代 TensorFlow。

另一位網(wǎng)友也認(rèn)為，自 TensorFlow 升級到 2.0 以來，便開始慢慢死去。如果谷歌在接下來幾年完全停止支持 TensorFlow 并在內(nèi)部切換成 JAX，他不會感到驚訝。

TensorFlow 到底怎么了？

無獨有偶，今日推特上也有人對 TensorFlow 發(fā)出了質(zhì)疑：谷歌在 TensorFlow 上出了什么問題？這個糟糕的軟件在根上就壞了，一年的時間可以發(fā)現(xiàn) TensorFlow 核心中的五個 bug。

從下圖也可以看出，自 2021 年 5 月 1 日以來，人們對 TensorFlow 與 PyTorch 的興趣度變化。

推特：@jxmnop

著名軟件開發(fā)者、Deep trading 創(chuàng)始人 Yam Peleg 表示，TensorFlow 的主要問題在于 bug。當(dāng)你想使用一個簡單的界面（如編寫自定義損失）時，包不一會就損壞和崩潰了。因此不得不將大多數(shù)時間花在如何回避這些 bug 而不是工作上。

另一位知名機器學(xué)習(xí)學(xué)者、《Python 機器學(xué)習(xí)》作者 Sebastian Raschka 也發(fā)表了自己的看法。

他不確定 TensorFlow 出了什么問題，作為早期框架之一，已經(jīng)進行很多工作來解決問題。他認(rèn)為問題是隨著深度學(xué)習(xí)領(lǐng)域快速發(fā)展，谷歌不得不擴展 TensorFlow 并添加各種補丁，這才導(dǎo)致它如此混亂?，F(xiàn)在必須吸取所有經(jīng)驗教訓(xùn)從頭開始重新設(shè)計，也許這就是谷歌推廣 JAX+Flax 的原因吧。

各位機器之心的讀者們，你們的 TensorFlow 還好用嗎？有轉(zhuǎn)向 PyTorch 等其他框架的打算嗎？