『人工智能』35万行代码，旷视重磅开源天元深度学习框架，四大特性实现开发 |深度学习|Google|Python|

本文插图
【导读】2020 年 3 月 25 日，人工智能企业旷视科技举办线上发布会，旷视联合创始人兼 CTO 唐文斌宣布正式开源其 AI 生产力平台 Brain++ 的核心组件——天元(MegEngine) 。本次发布为 Alpha 版本，基于 Apache License 2.0 ，向外界共开源约 35 万行代码，包括 C++、CUDA 和 Python代码，在GitHub 上进行发布。
发布会上，旷视研究院高级技术总监田忠博详细介绍了这款刚刚正式对外开源的深度学习框架。
全球AI开发框架又添一员，旷视开源“天元”旷视天元开源之时，正值深度学习框架百花齐放的时代。
自 2007 年 Theano 诞生以来，经过十余年发展，深度学习技术与应用突飞猛进，深度学习框架也处在不断迭代与进化的过程；另一方面，开源的概念在全球范围内越来越深入人心，这使得人工智能开发依赖的环境安装、部署、测试，以及不断迭代改进准确性和性能调优的工作变得更加简单，在人工智能领域，开源深度学习框架已经成为开发者离不开的平台和工具。
学界和业界的共同努力下，诞生了早期从学术界走出的 Caffe、 Torch 和 Theano ，现如今引领着产业界的 TensorFlow ， Amazon 押注的 MXNet ， Facebook 倾力打造的 PyTorch ， Microsoft 内部开源的 CNTK ，以及相对小众的深度学习引擎 DSSTNE 等深度学习框架。
简单梳理一下这些主流深度学习框架发展的历程，我们会发现它们各有各的特性：

本文插图
图片已获授权
TensorFlow 由 Google 于 2015 年 11 月正式开源，很快就成为深度学习领域占据绝对统治地位的深度学习框架，很多企业的产品都基于这一框架开发，如小米、京东、Airbnb 等。 TensorFlow 全面的开发语言和模型训练服务器、移动设备支持，使得其成为产业界采用最多的深度学习框架。
MXNet 项目诞生于 2015 年 9 月，当时在卡耐基梅隆大学 CMU 读博的李沐创造了这个轻量级、可移植、灵活的分布式的开源深度学习框架，后成为 Amazon 官方主推的深度学习框架，支持 CNN、RNN、LTSM ，为图像、手写文字和语音的识别和预测以及自然语言处理提供了出色的工具。
Keras 的创造者是谷歌 AI 研究员 Francois Chollet ，自 2015 年 11 月开源以来，已发展成为第二大流行深度学习框架。这个由 Python 编写的开源人工神经网络库可以作为 Tensorflow 、CNTK 和 Theano 的高阶应用程序接口，进行深度学习模型的设计、调试、评估、应用和可视化，目标是只需几行代码就能让你构建一个神经网络。
2016 年，微软开发的认知工具包 CNTK 问世，支持 RNN 和 CNN 类型的神经模型，成为处理图像，手写和语音识别问题的最佳候选者。虽然 CNTK 的分布式计算性能较高，但缺乏对 ARM 架构的支持限制了其在移动设备上的功能。
2017 年， Facebook 开源了用于神经网络训练的 Python 包 PyTorch ，它改编自基于 Lua 的深度学习库 Torch ，类似于 Numpy ，非常 Python 化，很容易就能和 Python 生态系统的其他部分集成。由于对动态图的支持，PyTorch 的灵活性相比 TensorFlow 大大提升，特别是用于快速验证和算法复现，因此备受学术界的青睐。
有了这些功能强大的开发框架， AI 开发者基本上也都会用之进行科研或业务落地。但是在人工智能领域，大家使用比较多的还是 Google、Facebook、微软、亚马逊的开源框架，国内虽然有很多互联网巨头都在开始这方面的工作，但目前还没有形成风潮。
2016 年，互联网巨头百度开源了飞桨（PaddlePaddle），可能是国内目前最有影响力的 AI 框架；2019 年，通讯行业巨头华为宣布即将在 2020 年一季度开源 MindSpore ，但目前仍无进一步消息；3 月 25日，旷视研发的深度学习框架天元（MegEngine）正式开源。

『人工智能』35万行代码，旷视重磅开源天元深度学习框架 ，四大特性实现开发

『人工智能』35万行代码，旷视重磅开源天元深度学习框架，四大特性实现开发