當前位置:
首頁 > 知識 > Theano 退役,Bengio 發出告別信

Theano 退役,Bengio 發出告別信

終於還是走到這一天。

今天凌晨時分,Yoshua Bengio 宣布 Theano 走到了生命的盡頭。未來幾周,Theano 1.0 版本發布後,團隊將終止後續開發,並且繼續堅持一年的最小維持。未來 Theano 仍然可以用,但 MILA 不會再繼續為此付出心力了。

有人直接把這描述為:Theano 之死。

2008 年,Theano 正式登台亮相。2011 年,Theano 項目開發遷移到 GitHub。它是一個 Python 庫,用來定義、優化和評估涉及多維數組的數學表達式。

在機器學習領域,Theano 一直是最流行的 CPU 和 GPU 數學編譯器之一。許多框架以及先進的機器學習模型都基於 Theano 構建。

根據 Keras 作者 Fran?ois Chollet?此前發布的統計數據顯示,GitHub 上幾大深度學習框架 / 庫的排名中,Theano 已經在前十名之外。

另外,Google 趨勢的走勢表示,儘管神經網路的熱度還在逐漸升高,而 Theano 卻已經開始走下坡路。

排名和終止的決定,已經說明了一切。研發團隊也曾專門指出 Theano 的局限,包括受制於 Python、圖優化時間、代碼編譯時間、循環和控制流結構、多節點並行、內存佔用等等諸多方面。

知乎用戶草莓大福就抱怨過上述涉及的 Scan、調試困難等問題。而另一位用戶鄧博元則表示過:「Theano 的結構、實現不一定是最優的,但現階段只有它填補了這一空缺,而且相對成熟,所以大家都用它。」

而 Yoshua Bengio 表示:支持 Theano 不再是賦能創新研究思路發展和應用的最佳方式。即使來自行業和學術界的外部貢獻越來越多,維護較老的代碼庫,跟上競爭對手的步伐可能也會阻礙創新。

無論如何,Theano 已經在揮手告別了。

Twitter 上不少人在說 respect 或者 R.I.P 之類,還有用戶製作了一張動圖,把 Theano 比作 NBA 球星退役,球衣直接進入名人堂。

GIF/415K

在 Theano 背後,站著一群天才。例如不少人熟知的大神 Yoshua Bengio,Ian Goodfellow,Pascal Lamblin 等。在此前的一篇論文中,我們找到了一份上百人的開發團隊名單:

他們來自蒙特利爾演算法學習人工智慧實驗室(MILA)、多所大學、Google、Facebook、Nvidia 等企業。

最後,附上 Yoshua Bengio 發出的告別信

親愛的用戶和開發者們,

在近 10 年的開發之後,我們很遺憾地宣布,未來幾周 1.0 版本發布後,我們將結束 Theano 項目。我們將繼續提供最低限度的維護,確保 Theano 在未來一年中繼續可用,但我們將不再主動開發新特性。隨後,基於對開源軟體的參與,Theano 將繼續開放,但 MILA 不承諾投入時間和精力,繼續提供維護和支持。

這一支持深度學習研究的軟體生態系統正在快速發展,目前已經處於健康的狀態:開源軟體是種常態;有各種各樣的框架可供選擇,從而滿足各種需求,無論是探索新想法還是部署並獲得產出;在激烈的競爭中,強大的行業參與者正在支持不同的軟體堆棧。

我們很高興,Theano 在多年中所做的大部分創新已被其他框架接受和完善。例如,給模型提供數學表述;重寫計算圖表,實現更好的性能和內存效率;GPU 上的透明執行;高階自動微分,都已經成為主流概念。

在這樣的背景下,我們得出結論:支持 Theano 不再是賦能創新研究思路發展和應用的最佳方式。即使來自行業和學術界的外部貢獻越來越多,維護較老的代碼庫,跟上競爭對手的步伐可能也會阻礙創新。

MILA 仍然致力於支持研究者,幫助他們配置和探索創新的(某些時候瘋狂的)研究想法。通過其他方式,我們將繼續為這個目標努力,並為其他項目做出重要的開源貢獻。

感謝你們幫助 Theano 的開發,以及貢獻漏洞報告、配置、用例、文檔和支持,使其變得更好。

Yoshua Bengio

MILA 負責人

新人福利

關注 AI 研習社(okweiwu),回復1領取

【超過 1000G 神經網路 / AI / 大數據,教程,論文】

如何用 3 個月零基礎入門機器學習?


喜歡這篇文章嗎?立刻分享出去讓更多人知道吧!

本站內容充實豐富,博大精深,小編精選每日熱門資訊,隨時更新,點擊「搶先收到最新資訊」瀏覽吧!


請您繼續閱讀更多來自 唯物 的精彩文章:

常青藤名校嘉賓來了!一周4場學術公開課,乾貨太多完全聽不過來……
基於生成對抗網路的圖像編輯方法—優必選悉尼 AI 研究院王超岳
「Deep Learning」讀書系列分享第二章:線性代數
是時候回顧一下這些經典paper了
Deep Learning讀書分享——深度網路的正則化

TAG:唯物 |