PFN研究方向轉(zhuǎn)變，為什么從深度學(xué)習(xí)開源框架到了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，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開發(fā)思路較為接近，因此選擇PyTorch作為今后的開發(fā)方向。
PFN總裁西川徹稱，從Chainer轉(zhuǎn)向PyTorch對(duì)公司來講是一項(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
5598瀏覽量
124392 -
pytorch
+關(guān)注
關(guān)注
2文章
813瀏覽量
14842
發(fā)布評(píng)論請(qǐng)先 登錄
相關(guān)推薦
熱點(diǎn)推薦
軟通動(dòng)力基于OpenClaw開源框架深度自研端側(cè)智能體平臺(tái)
隨著人工智能加速從云端下沉至終端、從被動(dòng)交互邁向主動(dòng)執(zhí)行，端側(cè)智能體正成為定義智能硬件體驗(yàn)的核心引擎。軟通動(dòng)力基于OpenClaw開源框架深度
Pytorch 與 Visionfive2 兼容嗎？
Pytorch 與 Visionfive2 兼容嗎？
$ pip3 install torch torchvision torchaudio --index-url https
發(fā)表于 02-06 08:28
人工智能與機(jī)器學(xué)習(xí)在這些行業(yè)的深度應(yīng)用
自人工智能和機(jī)器學(xué)習(xí)問世以來，多個(gè)在線領(lǐng)域的數(shù)字化格局迎來了翻天覆地的變化。這些技術(shù)從誕生之初就為企業(yè)賦予了競(jìng)爭(zhēng)優(yōu)勢(shì)，而在線行業(yè)正是受其影響最為顯著的領(lǐng)域。人工智能（AI）與機(jī)器學(xué)習(xí)（ML）的
人工智能AI必備的5款開源軟件推薦！
在技術(shù)浪潮洶涌的當(dāng)下，越來越多的企業(yè)與開發(fā)者開始意識(shí)到：“開源”已經(jīng)不只是一個(gè)口號(hào)，而是創(chuàng)新的源泉。 從算法研究到智能應(yīng)用落地，無數(shù)項(xiàng)目的起點(diǎn)，都是一個(gè)個(gè)免費(fèi)的開源工具。今天，我們就來
2025百度十大科技前沿發(fā)明亮相
從大模型、深度學(xué)習(xí)框架到智能體、數(shù)字人、無人駕駛等AI技術(shù)突破，今年發(fā)布的十大科技前沿發(fā)明涵蓋了人工智能算力、框架、模型、場(chǎng)景應(yīng)用全棧技術(shù)體
知乎開源“智能預(yù)渲染框架” 幾行代碼實(shí)現(xiàn)鴻蒙應(yīng)用頁(yè)面“秒開”
近日，知乎在Gitee平臺(tái)開源了其自研的鴻蒙“智能預(yù)渲染框架”，并將該框架的Har包上架到OpenHarmony三方庫(kù)中心倉(cāng)。該框架在鴻蒙平
深度學(xué)習(xí)對(duì)工業(yè)物聯(lián)網(wǎng)有哪些幫助
深度學(xué)習(xí)作為人工智能的核心分支，通過模擬人腦神經(jīng)網(wǎng)絡(luò)的層級(jí)結(jié)構(gòu)，能夠自動(dòng)從海量工業(yè)數(shù)據(jù)中提取復(fù)雜特征，為工業(yè)物聯(lián)網(wǎng)（IIoT）提供了從數(shù)據(jù)感知到智能決策的全鏈路升級(jí)能力。以下
挖到寶了！人工智能綜合實(shí)驗(yàn)箱，高校新工科的寶藏神器
的深度學(xué)習(xí)，構(gòu)建起從基礎(chǔ)到前沿的完整知識(shí)體系，一門實(shí)驗(yàn)箱就能滿足多門課程的學(xué)習(xí)實(shí)踐需求，既節(jié)省經(jīng)費(fèi)又不占地 。
五、代碼全開源，
發(fā)表于 08-07 14:30
挖到寶了！比鄰星人工智能綜合實(shí)驗(yàn)箱，高校新工科的寶藏神器！
的深度學(xué)習(xí)，構(gòu)建起從基礎(chǔ)到前沿的完整知識(shí)體系，一門實(shí)驗(yàn)箱就能滿足多門課程的學(xué)習(xí)實(shí)踐需求，既節(jié)省經(jīng)費(fèi)又不占地 。
五、代碼全開源，
發(fā)表于 08-07 14:23
大模型推理顯存和計(jì)算量估計(jì)方法研究
隨著人工智能技術(shù)的飛速發(fā)展，深度學(xué)習(xí)大模型在各個(gè)領(lǐng)域得到了廣泛應(yīng)用。然而，大模型的推理過程對(duì)顯存和計(jì)算資源的需求較高，給實(shí)際應(yīng)用帶來了挑戰(zhàn)。為了解決這一問題，本文將探討大模型推理顯存和計(jì)算量的估計(jì)
發(fā)表于 07-03 19:43
開源電機(jī)驅(qū)動(dòng)，免費(fèi)直播學(xué)習(xí)!
開源電機(jī)驅(qū)動(dòng)，免費(fèi)直播學(xué)習(xí)!
百度飛槳框架3.0正式版發(fā)布
、推理等任務(wù)都離不開深度學(xué)習(xí)框架的優(yōu)化與支撐。 飛槳框架3.0，從設(shè)計(jì)理念上實(shí)現(xiàn)了從底層硬件適配
嵌入式AI技術(shù)之深度學(xué)習(xí)：數(shù)據(jù)樣本預(yù)處理過程中使用合適的特征變換對(duì)深度學(xué)習(xí)的意義
? 作者：蘇勇Andrew 使用神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)機(jī)器學(xué)習(xí)，網(wǎng)絡(luò)的每個(gè)層都將對(duì)輸入的數(shù)據(jù)做一次抽象，多層神經(jīng)網(wǎng)絡(luò)構(gòu)成深度學(xué)習(xí)的框架，可以深度理解數(shù)
深度解讀英偉達(dá)Newton機(jī)器人平臺(tái)：技術(shù)革新與跨界生態(tài)構(gòu)建
的基礎(chǔ)上，它使機(jī)器人能夠學(xué)習(xí)如何以更高的精度處理復(fù)雜的任務(wù)，與MuJoCo Playground或 NVIDIA Isaac Lab 等學(xué)習(xí)框架兼容，這是一個(gè)開源的機(jī)器人
靈汐科技開源類腦深度學(xué)習(xí)應(yīng)用開發(fā)平臺(tái)BIDL
近年來，類腦計(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ΑＨ欢惸X計(jì)算開發(fā)門檻高、與傳統(tǒng)人工神經(jīng)網(wǎng)絡(luò)（ANN）難以結(jié)合、缺乏高效易用的開源框架和豐
工商網(wǎng)監(jiān)
評(píng)論