专访 : 云知声刘升平博士解读Pytorch的优势和不足
昨天Facebook发布全新的开源深度学习框架Pytorch，这也引发国内外人工智能行业的热议。究竟怎么理解新发布的Pytorch，以及背后的深度学习框架竞争？量子位邀请云知声资深AI技术专家、NLP负责人刘升平博士进行了详细的解读。
量子位：如何看待Facebook主导推出的Pytorch？
刘升平：我们可以看到，越来越多的深度学习框架选择 python作为接口语言 ，可以说python 已经成为深度学习事实上的标准接口语言了，这对python开发者是个好消息。同时，这也会促进Torch的推广，因为Torch是基于Lua，毕竟有些人会害怕一门新的语言。
量子位注：Pytorch主推的特性之一，就是支持python（官方的提法：puts Python first）。Torch也是Facebook力推的深度学习框架，但一个特殊之处是，Torch采用了不太常见的编程语言Lua。
量子位：Pytorch有什么值得注意的新特性？
刘升平：Pytorch的Dynamic Neural Networks 是一个很好的特性，支持动态构造计算图，在一些NLP任务中可以找到用武之地，另外，Pytorch的运行过程较直观，调试也较为容易。
但是，从公开的资料看 Pytorch 目前的成熟度还不是很高，处于Beta版阶段；还缺乏一些关键特性，比如分布式；并且计算效率方面，目前还没有公开的数据做支撑。
量子位：Pytorch有没有可能撼动Tensorflow的地位？
刘升平：短期内撼动Tensorflow的地位不大可能。而TensorFlow在开源社区最为流行，但其本身也有很多不足，比如饱受诟病的计算效率尤其是分布式效率低下、API设计过于抽象、调试困难等等。
所以从中长期看留给其他开源框架的生存空间是有的，甚至取而代之也不是不可能。总的来说，TensorFlow占据优势，但还远没有统治这一领域，短期内各个框架还会持续竞争。
量子位：深度学习框架的竞争，有什么重要的意义？
刘升平：对于厂商而言，深度学习平台入口和话语权的竞争将会越来越激烈，即使强如谷歌，也不大可能一口气吞下整块蛋糕。对于业界来说，有竞争是好事，可以避免出现一家独大的局面。对于机器学习或深度学习初学者或从业者而言：深度学习框架目前还处于飞速发展、补足短板的阶段，学习成本总体来说还是比较低的，是入门和上手的好时机。
随着时间的推移，深度学习框架的上手门槛会越来越高。