OpenAI, PyTorch'u kucaklıyor
"
TensorFlow ve PyTorch çerçevesi arasındaki anlaşmazlık uzun süredir devam ediyor ve son haberler PyTorch kampına "başka bir general eklemesini" sağladı. OpenAI, PyTorch'a tamamen geçtiklerini ve tüm modelleri için çerçeve standartlarını birleştirdiklerini söyledi.
"
Derin öğrenme çerçevelerinin kullanımı için, tüm yapay zeka topluluğu kabaca iki kampa ayrılabilir: TensorFlow ve PyTorch. PyTorch'un araştırma alanları için daha uygun olduğuna ve gerçek endüstriyel uygulamaların TensorFlow'a karşı daha önyargılı olabileceğine dair görüşler var. PyTorch, kullanıcı dostu bir API'ye ve Python ekolojisi için iyi bir desteğe sahiptir, bu da onu akademi için daha uygun hale getirir. TensorFlow, kullanıcı ataleti ve endüstriyel üretim ortamları desteği nedeniyle endüstri için daha uygundur.
Son zamanlarda çıkan bir haber gerçekten de bu ifadeyi doğruladı. Dota2 ile savaşmak, NLP ön eğitim modeli GPT-2'yi başlatmak ve robotun Rubik Küpünü tek elle çözmesine izin vermek için yapay zeka üzerinde çalışan bir yapay zeka araştırma kuruluşu olan OpenAI, tamamen PyTorch'a geçeceklerini duyurdu.
2017'de TensorFlow'un mutlak avantajından iki çerçeve arasındaki göreceli dengeye kadar, her iki taraftaki geliştirme ekipleri PyTorch'un toplulukta bu kadar popüler olmasını beklememiş olabilir.
PyTorch ile proje standartlarını birleştirin
Kısa bir blog gönderisinde, OpenAI, PyTorch'u birleşik bir derin öğrenme çerçevesi olarak kullanacaklarını belirtti . Bundan önce, çerçevenin kendisinin özelliklerine ve avantajlarına göre farklı projelerde farklı çerçeveler kullanacaklar.
OpenAI, ekiplerin modelleri ve uygulamalarını oluşturmasını ve paylaşmasını kolaylaştırmak için PyTorch kullanmanın daha iyi bir seçim olduğuna inanıyor. Standartlaştırılmış PyTorch çerçevesi aracılığıyla, OpenAI, çeşitli model ve uygulamalarının çerçeveyi ve araçları yeniden kullanabilmesi için ona dayalı bir platform oluşturabilir. .
PyTorch'u seçmenin bir diğer önemli nedeni, özellikle GPU kümelerinde çeşitli yeni fikirleri uygulamanın özellikle kolay olmasıdır. OpenAI blogda, PyTorch'u seçtikten sonra, yinelemeli geliştirme süresini araştırma fikirlerinden üretken modellere haftalarca sıkıştırabileceklerini söyledi. Bu çok zaman kazandırır. Dahası, PyTorch'un arkasında FaceBook gibi büyük araştırma kurumları tarafından kullanılan aktif bir geliştirme topluluğu da var.
OpenAI ayrıca makalesinde, ekiplerinin çoğunun geçiş çalışmalarını tamamladığını belirtti. Spesifik teknik nedenler olmadığı sürece, temelde PyTorch ana derin öğrenme çerçevesidir. Örneğin, OpenAI yakın zamanda derin pekiştirmeli öğrenme kitaplığının "Spinning Up" PyTorch sürümünü piyasaya sürdü.
Ek olarak, OpenAI ayrıca sonraki açık kaynak planlarında daha fazla PyTorch tabanlı proje ifşa edecek "Blok Seyrek GPU Çekirdekleri" gibi. Bu, cuBLAS ve cuSPARSE'den daha hızlı hesaplama hızına sahip yeni bir mimari çekirdeğidir.
Çok fazla TF sorunu var, kullanıcılar PyTorch'a dönüyor
TensorFlow ile karşılaştırıldığında, PyTorch'un performans ve endüstriyel ekolojik destek açısından hala eksiklikleri olduğu doğrudur. Ancak TensorFlow'un birçok sorununun kullanıcıları PyTorch'u seçmeye ittiği inkar edilemez.
Birincisi, kullanım kolaylığı konusudur. TensorFlow ilk çıktığında dik bir öğrenme eğrisine sahipti. Bu çerçevede ustalaşmak, yeni bir programlama dili öğrenmekten daha az zor değildir. PyTorch, tasarımının başında çok "Pythonic" tir ve kullanımı Python kadar kolaydır.
İkincisi, API'nin kararlılığıdır. TensorFlow doğduğundan beri, endüstri ve akademi derin öğrenme çerçevelerinin tasarımında yetersiz deneyime sahipti, bu nedenle API tanımı, tasarımı ve işlev uygulamasında pek çok farklı anlayış var ve geliştiriciler birçok sapmadan geçti. Dahası, derin öğrenmenin kendisi hızla gelişiyor ve yeni algoritmalar hızlı API uygulaması gerektiriyor. Sonuç olarak, TensorFlow'un API'si değişti ve değişti ve birçok katkı API'si eklendi. Buna karşılık, PyTorch'un API yinelemesi daha kararlıdır ve adlandırma karışıklığı sorunu yoktur.
Yukarıdaki iki nedene dayanarak, PyTorch, TensorFlow'dan daha düşük uygulamalı maliyetlere ve daha hızlı uygulama özelliklerine sahiptir. Bu nedenle, genellikle yeni fikirleri olan akademik çevreler PyTorch'u tercih ediyor ve sonuçta ihtiyaçları olan şey, fikirleri hızlı bir şekilde gerçekleştirebilen ve hızla yineleyebilen derin bir öğrenme çerçevesi. OpenAI, genellikle çeşitli algoritmalara ve fikirlere sahip bir araştırma kurumu olarak, PyTorch'u kullanmak için doğal olarak daha mantıklıdır.
Netizen değerlendirmesi
Birçok Reddit netizeni, OpenAI'nin PyTorch'u tamamen kucakladığı haberleri hakkındaki görüşlerini ortaya koydu.
Bir netizen, TensorFlow tarafından kışkırtıldıktan sonra PyTorch'a dönmenin daha mantıklı olamayacağına inanıyor. Ayrıca TF2.0'ın gerçekten de "yine de kaosa dönüştüğüne" inanıyor.
Bir başkası da aynı fikirdeydi, PyTorch'un giderek daha iyi hale geldiğine ve TF2.0'ın aslında insanların düşündüğü kadar iyi olmadığına inanıyor. Ek olarak, PyTorch'un tasarımcıları ve bakımcıları TensorFlow ile karşılaştırıldığında esneklik, kullanım kolaylığı ve yeni teknolojilerin benimsenmesi arasındaki dengeyi nasıl koruyacaklarını daha iyi biliyorlar.
Sonra, topluluğun diğer üyeleri ne gibi seçimler yapacak? TensorFlow daha çok çalışmak zorunda!
Referans bağlantısı:
https://openai.com/blog/openai-pytorch/
https://www.reddit.com/r/MachineLearning/comments/ew8oxq/n_openai_switches_to_pytorch/
Kaynak: Heart of the Machine
