標籤：

如何看待Theano宣布終止開發 ？

01-14

原來用Theano的人應該是偏向做研究而非做工程的人員吧，如果想換框架，雖然一個很直接的想法是轉向跟Theano非常相似的Tensorflow，但還是強烈建議選更加適合研究的PyTorch，連Karpathy大神都說好！

（ps：如果不是做學術而是工程的話也不推薦Tensorflow，MXNet更有前途。）

copy 另一個問題的回答：

  1. 在深度學習熱度不減的情況下，主流深度學習工具 say goodbye，意味著從業者有了更好的解決方案，這是值得慶祝的事情。例如，研究可以用 PyTorch，輕量級，源碼好懂，封裝和嵌套較少；生產環境可以用 TensorFlow，大廠支持，社區無敵，資源豐富。
  2. 開源框架的競爭更多是商業公司的考慮，MILA 在從業者需要更加友好的 Python 的時候挺身而出，既方便了從業者，也對 TensorFlow 等後來者啟發很大。目前看來，Theano 出色地完成了它的歷史使命，即便 Bengio 承認它已老邁。
  3. Theano 會逐漸淡出歷史舞台，但它的基因還會在兄弟框架中繼續影響從業者，無論是繼承 Theano 優勢的 TensorFlow，還是封裝有些喪心病狂、讓人容易上手的 Keras 。
  4. 維護一個開源項目會牽扯大量的精力和資源，Theano 確實有不如意的地方，但 TensorFlow 不也還被吐槽性能不是？Y. Bengio 和 Theano 的其他貢獻者應當贏得所有從業者的尊敬。
  5. 最後，復讀賈揚清大神的觀點：框架就是個框架，最終要能出活。所以，甩掉 Theano 的包袱之後，MILA 的成果更加值得期待。看 Bengio 說的：

MILA is still committed to supporting researchers and enabling the implementation and exploration of innovative (and sometimes wild) research ideas, and we will keep working towards this goal through other means, and making significant open source contributions to other projects.

再見，我的 deep learning 啟蒙老師。

忘不了那年，連分類器是啥都不太明白，卻摸索著寫 scan （和 scan 感人的編譯速度）；忘不了那年，沒學過一天高數，卻硬是自學 cal 3 去看懂波爾茲曼機的文檔。

我就是一直在用 Theano 的。還有 1 年博士畢業，用到那時候應該還可以，不過在這 1 年裡就得考慮換框架了。

我還沒想好是換 TensorFlow 還是 PyTorch。也許要看以後去 Google 還是 Facebook……（這話聽著怎麼像是上清華還是上北大 &>_&<

儘管Theano代碼出錯調試很煩人，但用了3年多了，TensorFlow出來後看代碼結構差不多，就一直懶得換了。

昨天看到這個消息，有點小傷感，但今天已經開始把我之前的演算法都換到Pytorch了

做為一個比較底層的框架，它的歷史使命已經結束

開啟了基於符號運算的機器學習框架的先河，然後隨著tf和pytorch的崛起，完成自己的歷史任務，退出舞台。

TensorFlow離死也不遠了吧。

Pytorch好！

雖然對debug功能和計算圖的編譯速度吐槽過無數次了，但是看到這個消息還是挺不好受的。畢竟如果沒有theano和當年kim yoon的那份ConvNet的代碼，我也就不會在現在的office里默默耕(guan)耘(shui)了吧

喜大普奔！caffe最好也停了！

很正常的選擇，TensorFlow繼承了很多Theano的優點，而且有谷歌背書，再去費勁維護一個更「原始」的框架沒啥必要

傳統AI奠基時代已經結束，Bengio要開拓AI的核心問題了

我想知道為什麼幾乎沒有人提caffe啊？

當年，立志要翻譯完整個theano官網的說明。結果，時至今日，博客里只完成了20幾頁的官網教程，並未實現目標！

為Theano點一支蠟燭吧，祭奠一下我投入的時間和幾個爛尾的project。

Theano的初衷是一個數學計算庫，在沒有caffe等現在主流的深度學習框架時，theano幾乎可以說是唯一的選擇，但是後續caffe、tensorflow等的出現以及不斷完善，theano用的就少了。theano的運行速度、編譯速度慢是硬傷

在這個誰模型多誰就是爹的時代，誰也不想有好幾個爹啊

Hinton 和 Bengio相繼拋棄Deep Learning, 說明深度學習在學術上的潛力已經被壓榨乾了，雖然很多人不願意承認，深度學習已經很難再有大的創新了！

到了拼模型和演算法的時代了。框架時代已經過去了。

推薦閱讀：

※如何評價 Google 發布的 Tensor Processing Unit?
※誰能詳細講解一下TensorFlow Playground所展示的神經網路的概念？
※手頭沒有GPU，學習tensorflow有意義嗎？
※如何看待Face++出品的小型化網路ShuffleNet？

TAG:深度學習DeepLearning | Caffe深度學習框架 | TensorFlow |