请选择 进入手机版 | 继续访问电脑版
搜索
房产
装修
汽车
婚嫁
健康
理财
旅游
美食
跳蚤
二手房
租房
招聘
二手车
教育
茶座
我要买房
买东西
装修家居
交友
职场
生活
网购
亲子
情感
龙城车友
找美食
谈婚论嫁
美女
兴趣
八卦
宠物
手机

上线俩月,TensorFlow 2.0被吐槽太难用,网友:看看人家PyTorch

[复制链接]
查看: 41|回复: 0

8248

主题

8248

帖子

2万

积分

管理员

Rank: 9Rank: 9Rank: 9

积分
24754
发表于 2019-12-3 20:36 | 显示全部楼层 |阅读模式
我的关键词 上线俩月,TensorFlow 2.0被吐槽太难用,网友:看看人家PyTorch  热门消息 20191203154208499-807818565
  参加:一鸣、张倩
  TensorFlow 2.0 正式版上线两月不足,迎来的却是疯狂吐槽。网友们评价:「你看看人家 PyTorch!」
  TensorFlow 被吐槽欠好用,也不是一天两天了。TensorFlow 2.0 的公布似乎将这类「民怨」推上了飞腾。昨天,一位 reddit 网友说自己正在尝试从 PyTorch 转到 TF 2. 0(固然没有说为什么这么想不开),但他吐槽说:真是「太难了」。
  这篇吐槽 TensorFlow 2.0 的帖子,让深有同感的网友们疯狂点赞。
我的关键词 上线俩月,TensorFlow 2.0被吐槽太难用,网友:看看人家PyTorch  热门消息 34358-20191203130956598-775146959

  切换以后,TF 2.0 给他的最大感受是:这个库自己没有什么题目,实在的题目在于缺少官方指南、具体的说明文档以及来自官方斥地团队的答疑。
  首先,ta 感受 TensorFlow 信息不全:很多在用户中非经常见的 pipeline 都要自己脱手做。而且,不管做什么似乎都有很多种方式。使人头疼的是,这些方式都有渺小的差别,但官方文档并没有告诉你有哪些差别,你只能苦哈哈地翻他们的 GitHub issue,找不找获得全凭命运。
  其次,ta 发现,medium 上有很多非正式的 TF 2.0 关连博客,但这些博客中包含很多毛病信息,还有一些是广告。
  末端,ta 发现网上有很多关于 TF 的提问,但却没人答复,有些甚至是一年条件出的。这些题目质量很高,而且都是官方文档里没有说起的。相比之下,PyTorch 有一个论坛,在上面问题目可以获得 PyTorch 斥地职员的解答,这方面要比 TensorFlow 好太多。
  发帖者还对照了一下 TensorFlow 和 PyTorch 积存的题目,发现 PyTorch 积存未答复的题目只要 2101 个,但 TensorFlow 却到达了 24,066 个。差异之大惊心动魄。
我的关键词 上线俩月,TensorFlow 2.0被吐槽太难用,网友:看看人家PyTorch  热门消息 34358-20191203130956596-1112096698

  所以,作者的整体感受是,TensorFlow 架构自己题目不大,但给人的用户体验是在是太差了。
  末端,这位网友不由发出了灵魂诘问:「假如不供给富足的信息让用户把握最好的利用方式,工具做得再好又有什么用呢?
  所谓一石激起千层浪。这位网友的抱怨引来了多量 TFboys(girls)的共鸣,该贴也成为 TF2.0 的大型吐槽现场。
  一、TF2.0 遭受疯狂吐槽
  除了拥护发帖者提出的几个题目外,跟帖的网友还指出了 TensorFlow 2.0 自己存在的一些题目,如与 Keras 的整合。跟帖网友的垂危概念可以归纳以下:

  • 官方文档不够/官方文档欠好找;
  • 很多 Bug 没有实时修复或更新;
  • 和 Keras 的整合很欠好,致利用户混乱。
  2. 0 版本的文档和教程有很多不够
我的关键词 上线俩月,TensorFlow 2.0被吐槽太难用,网友:看看人家PyTorch  热门消息 34358-20191203130956629-1879491745

  一位网友写道:「在过去 TF 的黄金期间,有很多轻易上手的教程,官网上的教程质量也很高。可是自从 Keras 被引入后,全部指引文档成了 Keras 和典范 TF 的肴杂。」这段批评获得了很多人的拥护。一些人表示,TF1.x 版本尽管进修本钱很高,可是(教程)黑白常联贯的,况且还有 tensor2tensor 这样的代码库,使得旧版本的利用并不是那末困难。
  官方教程缺失使得社区只好自力更生,很多人不能不去其他渠道根究关连教程和指南。但黑白官方的教程也不愿定靠谱。比以下面一位网友就写到:
我的关键词 上线俩月,TensorFlow 2.0被吐槽太难用,网友:看看人家PyTorch  热门消息 34358-20191203130956671-2051767291

我的故事:1. 我有个想法,我想要在练习进程中渐渐改变损失函数的『外形』;2. 我搜索『tensorflow 在练习中改变损失函数』;3. 最高搜索成果是一个 Medium 的文章,我们去看看吧;4. 这个 Medium 文章先容的是均方误差(MSE)损失函数,以及你怎样在 TensorFlow 中用它练习一个深度神经收集;5. 我只好用脑壳砸键盘了。
  不单仅是教程文差池题的题目。正如发帖者所说,非官方的教程也会有很多毛病,增加了用户打点题目标本钱。久而久之,大家自然都不愿意用 TF2.0 了。
  此外,跟帖者的反应也证实了发帖者提出的第三个题目:太多题目和反应没有实时处置赏罚。
  反应耽误,bug 积存
  大如果由于 TF 社区自己就比力火爆,对框架的提问和反应会更多,是以 TF 官方对题目标复兴和 bug 的修复似乎比 PyTorch 要慢。正如发帖者所说,TensorFlow 待答复题目数目比 PyTorch 高了 10 倍还要多。更况且,PyTorch 还有一个专门的团队在平台上负责解答疑问。
  对于一个开源软件来说,进步其性能、易用性、平安性及淘汰 bug 的最好方式是不停地收集用户反应、赐与复兴、并按照反应修复毛病和题目。可是,假如 TF2.0 没有实时对这些出现的题目举行处置赏罚,则软件自己不大要继续进步。
  正是由于用户碰到题目时 TF 官方可以大要实时跟进并改良题目,用户才会继续保存。有位网友就批评说,他在利用 TF2.0 的进程中碰到了很多题目,可是幸亏有官方的斥地司理跟进和打点,所以他才愿意继续留在 TF2.0 上继续利用。
我的关键词 上线俩月,TensorFlow 2.0被吐槽太难用,网友:看看人家PyTorch  热门消息 34358-20191203130956637-1940024753

  除了这两个题目,很多人照旧回到了吐槽 Keras 和 TF 的结合上。
  Keras 让利用变得更困难
我的关键词 上线俩月,TensorFlow 2.0被吐槽太难用,网友:看看人家PyTorch  热门消息 34358-20191203130956640-1956297273

  一些网友以为,TF2.0 还有一个欠好用的地方,那就是 Keras 和 TF2.0 的「结亲」。上图的这位就表示,eager 形式简直是 TF 版本更新迭代的正确偏向(究竟去掉了 session 这个万恶之源,支持静态图),可是引入 Keras 却让 API 又变得更混乱了。现在人们有多种构建模子的方式:tf.keras、tf.function 等等。
  这些都是 TF2.0 现在碰到的题目,可是间隔其第一个版本——alpha 公布已过去泰半年,为什么还有这么多题目困扰着斥地社区呢?呆板之心经过整理过去公布的材料以为,TF2.0 的筹划思绪大要有一些题目,致使原本朝着易用性成长的框架又变得难用了。
  二、思绪混乱,框架难用
  TensorFlow2.0 自己的定位是:淘汰复杂和冗余的 API,低落用户的利用门坎,鞭策它向研讨范围和深度进修遍及偏向成长。这一思绪是正确的,可是在现实的筹划阶段,为了实现以上方针而采纳的打点方式并不正确,终极致使 TF2.0 仍然难用。
  引入 Keras 大如果个毛病
  Keras 是一个封装了 TF 等深度进修框架的代码库,具有很好的易用性。TensorFlow 为了打点饱受诟病的上手困难题目而引入了 Keras 的 API。可是从 TensorFlow 的定位和功用来看,和 Keras 的结合在现在来说不够乐成。
  以下图所示,TensorFlow 自己在架构上有着细粒度很高的低级 API,这样的框架很适当举行各类方面的定制。可是 Keras 则恰恰和它相反,用户不晓得底层的架构怎样搭建,只必要关注团体的筹划流程即可。
  这两个框架可以说是两种很是,而在 TF2.0 里利用了一种妥协性的兼容形式:TF2.0 自己模仿 PyTorch 的方式构建灵活的模子,而不必要这类筹划的用户则利用 tf.keras 高级 API。这样割裂的 API 使得用户有些手足无措,也加大了他们在探请教程的难度,由于他们除了搜索 TF2.0 的同时还必要搞清楚:这个教程是关于 TF2.0 自己的,照旧关于 tf.keras 的。

  这就有点类似 TF1.x 时代各类百般的 API 混杂的情况——同一个功用可以由差别的 API 实现。可是,在差别的功用 API 举行组合的时候,某些 API 之间大要不兼容。
  例如,我利用了 tf.keras,以 model = tf.keras.Sequential 的方式构建了一个收集,它的 training loop 是什么样的?我应当利用 model.fit () 吗?照旧 with tf.GradientTape () as Tape ? 假如我想要自界说损失函数中某个标签的损失,我该在何处点窜?
  过剩的 API 增加了额外的进修本钱,自然就让用户发生很多新的疑问。而这些疑问和毛病假如没有实时打点,就会让用户损失利用这个框架的爱好。
  更况且,在散布式练习、数据并行/模子并行的需求下,框架越复杂,用户就越难上手。TF2.0 的框架已经很是复杂了。

  大版本更新危险老用户
  另一个贫苦的题目是,TF 2.0 无疑想让它成为研讨范围和生产范围都很是流行的深度进修框架。是以在版本更新的时候一步大跨越,砍掉了很多 1.x 时代的 API,盼望让追求简单特征的用户可以大要利用它。
  可是别忘了,生产级的代码产物很怕的就是——突如其来的、没有向下兼容的版本更新。很多企业一旦安排了某个模子,就会盼望它可以大要安定支持营业运转多年。除非有实在的必要(平安性题目、性能必要极大更新),否则他们是没有很大动力要更新的。
  可是,为了吸引新用户利用 TF2.0,官方就大手一挥砍掉了很多 API,还不兼容旧版本。考虑到重新斥地、练习、安排模子的本钱,以及这个进程中对企业营业酿成的大要影响,业界对于这类更新爱好缺缺。更不用说,在新版本居然还有致命的 bug 的情况下。
  在今年一月,用户发现 TF2.0 的 tf.keras API 中的 dropout 居然生效。固然是测试版的题目,可是面临这样不安定的更新,没有几个用户敢更新利用。
我的关键词 上线俩月,TensorFlow 2.0被吐槽太难用,网友:看看人家PyTorch  热门消息 34358-20191203130956631-703985353

  更不用说版本更新给开源社区带来的影响,很多斥地者必要重新起头进修 2.0。从 1.x 到 2.0 的进修本钱,这也是他们以为 TF2.0 难用的一个原因原由。
  此外,从时候上来看,TensorFlow 的推出要比 PyTorch 早好几年,但近来却被 PyTorch 步步紧逼。此前就有人猜测,TF 的团队大要分了三部分,一路人忙着斥地 2.0,一路人忙着改变 eager,还有一部分人出力重构 Keras。这类分离精神的做法大要大大削弱 TensorFlow 在用户体验方面的投入,所以形成现在「怨声载道」的场面。
  现在,TensorFlow 和 PyTorch 仍然保持着「业界 vs 学界」平起平坐的场面。可是随着 PyTorch 的高歌猛进,这样的场面大要未几就会变革。
  固然,作为现在最流行的深度进修框架之一,总有些人有必要利用 TensorFlow 2.0 的来由。对于这部分读者,我们向大家举荐一个 GitHub 教程:《TensorFlow 2.0 深度进修开源书》。该项目已经登上 GitHub 热榜,现在已有 5500 星。该教程有配套进修的书、代码和视频课程,很是适当盼望了解 tf2.0 的斥地者学细考。

免责声明:假如加害了您的权益,请联系站长,我们会实时删除侵权内容,感谢合作!

本帖子中包含更多资源

您需要 登录 才可以下载或查看,没有帐号?立即注册

x
回复

使用道具 举报

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

Copyright © 2006-2014 淄博新闻网-淄博日报 淄博晚报 淄博财经新报 掌中淄博 淄博专业新闻资讯发布网站 版权所有 法律顾问:高律师 客服电话:0791-88289918
技术支持:迪恩网络科技公司  Powered by Discuz! X3.2
快速回复 返回顶部 返回列表