Caffe2 和 PyTorch 代码层合并旨为提高开发效率

知名深度学习框架 Caffe2 最近正式将代码并入了 PyTorch。

目前供职于 Facebook，同时也是 Caffe2 作者贾扬清在知乎回答了相关问题：

因为 PyTorch 有优秀的前端，Caffe2 有优秀的后端，整合起来以后可以进一步最大化开发者的效率。目前 FAIR（Facebook AI 研究院）大概有超过一半的项目在使用 PyTorch，而产品线全线在使用 Caffe2，所以两边都有很强的动力来整合优势。

按照贾扬清的说法，Facebook 去年启动 ONNX 项目并组建团队时，就已经开始推动 Caffe2 和 PyTorch 在代码层的合并。

这样做的根本目的还是为了提高开发效率。

就目前的深度学习框架而言，Caffe2 和 MXNet 不支持导出模型，PyTorch 不支持导入模型。只有微软主导的 CNTK（Microsoft Cognitive Toolkit）同时支持模型导入和导出。

开发者在某个框架上完成神经网络模型的训练之后，无法在其它框架上直接使用。当遇到开发平台间迁移模型的需求是，开发人员需要花费大量时间和精力重新调试参数甚至模型结构。

Facebook、亚马逊、微软联手开发的 ONNX 开源项目就诞生在这个背景下。ONNX 是 Open Neural Network Exchange 的缩写，即”开放的神经网络交换”，核心特性是支持深度学习模型的导入导出。

ONNX 启动半年多来，英特尔、高通、华为、AMD、ARM 等公司已经加入。上个月英伟达新推出的 TensorRT 也支持了 ONNX。

值得注意的是，Google 主导的 TensorFlow 最近也推出了支持模型导入、导出和复用的 TensorFlow Hub。

这样来看，整个深度学习生态的碎片化情况减轻了不少。未来的竞争，可能就主要是 TensorFlow 和 ONNX 了。