PFN研究方向轉(zhuǎn)變，為什么從深度學(xué)習(xí)開(kāi)源框架到了PyTorch
據(jù)MONOist網(wǎng)站報(bào)道，12月5日，PFN宣布今后將不再進(jìn)行深度學(xué)習(xí)開(kāi)源框架Chainer的重大升級(jí)，只對(duì)其進(jìn)行修復(fù)和維護(hù)工作，今后的研究方向?qū)⑥D(zhuǎn)向。
PFN在12月5日發(fā)布了“Chainer v7”,同時(shí)宣布這是最后一個(gè)版本。Chainer系列庫(kù)ChainerCV，Chainer Chemistry，ChainerUI和ChainerRL也將結(jié)束更新。
談及轉(zhuǎn)向PyTorch的原因，PFN方面稱(chēng)，深度學(xué)習(xí)框架已經(jīng)趨于成熟，把深度學(xué)習(xí)框架本身當(dāng)作公司競(jìng)爭(zhēng)優(yōu)勢(shì)的時(shí)代已經(jīng)結(jié)束了。比起差異化競(jìng)爭(zhēng)，應(yīng)該把心思花在如何改善深度學(xué)習(xí)框架社區(qū)，構(gòu)建健全的生態(tài)系統(tǒng)上。PyTorch和Chainer開(kāi)發(fā)思路較為接近，因此選擇PyTorch作為今后的開(kāi)發(fā)方向。
PFN總裁西川徹稱(chēng)，從Chainer轉(zhuǎn)向PyTorch對(duì)公司來(lái)講是一項(xiàng)至關(guān)重要的決策，是把投資集中在更具競(jìng)爭(zhēng)優(yōu)勢(shì)的資源上。
聲明：本文內(nèi)容及配圖由入駐作者撰寫(xiě)或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點(diǎn)僅代表作者本人，不代表電子發(fā)燒友網(wǎng)立場(chǎng)。文章及其配圖僅供工程師學(xué)習(xí)之用，如有內(nèi)容侵權(quán)或者其他違規(guī)問(wèn)題，請(qǐng)聯(lián)系本站處理。
舉報(bào)投訴
-
深度學(xué)習(xí)
+關(guān)注
關(guān)注
73文章
5561瀏覽量
122805 -
pytorch
+關(guān)注
關(guān)注
2文章
809瀏覽量
13968
發(fā)布評(píng)論請(qǐng)先 登錄
相關(guān)推薦
熱點(diǎn)推薦
靈汐科技開(kāi)源類(lèi)腦深度學(xué)習(xí)應(yīng)用開(kāi)發(fā)平臺(tái)BIDL
近年來(lái)，類(lèi)腦計(jì)算作為人工智能領(lǐng)域的重要方向，以其低功耗、高效率、高容錯(cuò)性等優(yōu)勢(shì)，展現(xiàn)出巨大的發(fā)展?jié)摿?。然而，?lèi)腦計(jì)算開(kāi)發(fā)門(mén)檻高、與傳統(tǒng)人工神經(jīng)網(wǎng)絡(luò)（ANN）難以結(jié)合、缺乏高效易用的開(kāi)源框架和豐
利用Arm Kleidi技術(shù)實(shí)現(xiàn)PyTorch優(yōu)化
PyTorch 是一個(gè)廣泛應(yīng)用的開(kāi)源機(jī)器學(xué)習(xí) (ML) 庫(kù)。近年來(lái)，Arm 與合作伙伴通力協(xié)作，持續(xù)改進(jìn) PyTorch 的推理性能。本文將詳細(xì)介紹如何利用 Arm Kleidi 技術(shù)
高校開(kāi)源開(kāi)發(fā)者培養(yǎng)分論壇亮點(diǎn)前瞻
數(shù)字化時(shí)代，開(kāi)源成為了全球軟件與技術(shù)創(chuàng)新的重要驅(qū)動(dòng)力，從Linux操作系統(tǒng)到Android移動(dòng)平臺(tái)，從人工智能框架到云計(jì)算基礎(chǔ)設(shè)施，一個(gè)個(gè)開(kāi)源
Arm KleidiAI助力提升PyTorch上LLM推理性能
熱門(mén)的深度學(xué)習(xí)框架尤為突出，許多企業(yè)均會(huì)選擇其作為開(kāi)發(fā) AI 應(yīng)用的庫(kù)。通過(guò)部署 Arm Kleidi 技術(shù)，Arm 正在努力優(yōu)化 PyTorch，以加速在基于 Arm 架構(gòu)的處理器上
PyTorch 2.5.1: Bugs修復(fù)版發(fā)布
? 一，前言 在深度學(xué)習(xí)框架的不斷迭代中，PyTorch 社區(qū)始終致力于提供更穩(wěn)定、更高效的工具。最近，PyTorch 2.5.1 版本正式
卷積神經(jīng)網(wǎng)絡(luò)的實(shí)現(xiàn)工具與框架
： TensorFlow是由Google Brain團(tuán)隊(duì)開(kāi)發(fā)的開(kāi)源機(jī)器學(xué)習(xí)框架，它支持多種深度學(xué)習(xí)模型的構(gòu)建和訓(xùn)練，包括卷積神經(jīng)網(wǎng)絡(luò)。Ten
PyTorch 數(shù)據(jù)加載與處理方法
PyTorch 是一個(gè)流行的開(kāi)源機(jī)器學(xué)習(xí)庫(kù)，它提供了強(qiáng)大的工具來(lái)構(gòu)建和訓(xùn)練深度學(xué)習(xí)模型。在構(gòu)建模型之前，一個(gè)重要的步驟是加載和處理數(shù)據(jù)。 1
如何使用 PyTorch 進(jìn)行強(qiáng)化學(xué)習(xí)
強(qiáng)化學(xué)習(xí)（Reinforcement Learning, RL）是一種機(jī)器學(xué)習(xí)方法，它通過(guò)與環(huán)境的交互來(lái)學(xué)習(xí)如何做出決策，以最大化累積獎(jiǎng)勵(lì)。PyTorch 是一個(gè)流行的
Pytorch深度學(xué)習(xí)訓(xùn)練的方法
掌握這 17 種方法，用最省力的方式，加速你的 Pytorch 深度學(xué)習(xí)訓(xùn)練。
FPGA加速深度學(xué)習(xí)模型的案例
FPGA（現(xiàn)場(chǎng)可編程門(mén)陣列）加速深度學(xué)習(xí)模型是當(dāng)前硬件加速領(lǐng)域的一個(gè)熱門(mén)研究方向。以下是一些FPGA加速深度
真格基金宣布捐贈(zèng)開(kāi)源AI項(xiàng)目vLLM
開(kāi)源技術(shù)處于 AI 革命的中心。Llama 3、Mistral 等開(kāi)源大模型迅速追趕 GPT-4，TensorFlow、Pytorch 等開(kāi)源深度
pytorch怎么在pycharm中運(yùn)行
第一部分：PyTorch和PyCharm的安裝 1.1 安裝PyTorch PyTorch是一個(gè)開(kāi)源的機(jī)器學(xué)習(xí)庫(kù)，用于構(gòu)建和訓(xùn)練神經(jīng)網(wǎng)絡(luò)。要
pytorch環(huán)境搭建詳細(xì)步驟
PyTorch作為一個(gè)廣泛使用的深度學(xué)習(xí)框架，其環(huán)境搭建對(duì)于從事機(jī)器學(xué)習(xí)和深度
pytorch和python的關(guān)系是什么
，PyTorch已經(jīng)成為了一個(gè)非常受歡迎的框架。本文將介紹PyTorch和Python之間的關(guān)系，以及它們?cè)?b class='flag-5'>深度學(xué)習(xí)領(lǐng)域的應(yīng)用。 Pytho
NVIDIA推出全新深度學(xué)習(xí)框架fVDB
在 SIGGRAPH 上推出的全新深度學(xué)習(xí)框架可用于打造自動(dòng)駕駛汽車(chē)、氣候科學(xué)和智慧城市的 AI 就緒型虛擬表示。
工商網(wǎng)監(jiān)
評(píng)論