知名深度學習框架 Caffe2 最近正式將代碼并入了 PyTorch。

目前供職于 Facebook，同時也是 Caffe2 作者賈揚清在知乎回答了相關(guān)問題：

因為 PyTorch 有優(yōu)秀的前端，Caffe2 有優(yōu)秀的后端，整合起來以后可以進一步最大化開發(fā)者的效率。目前 FAIR（Facebook AI 研究院）大概有超過一半的項目在使用 PyTorch，而產(chǎn)品線全線在使用 Caffe2，所以兩邊都有很強的動力來整合優(yōu)勢。

按照賈揚清的說法，F(xiàn)acebook 去年啟動 ONNX 項目并組建團隊時，就已經(jīng)開始推動 Caffe2 和 PyTorch 在代碼層的合并。

這樣做的根本目的還是為了提高開發(fā)效率。

就目前的深度學習框架而言，Caffe2 和 MXNet 不支持導出模型，PyTorch 不支持導入模型。只有微軟主導的 CNTK（Microsoft Cognitive Toolkit）同時支持模型導入和導出。

開發(fā)者在某個框架上完成神經(jīng)網(wǎng)絡模型的訓練之后，無法在其它框架上直接使用。當遇到開發(fā)平臺間遷移模型的需求是，開發(fā)人員需要花費大量時間和精力重新調(diào)試參數(shù)甚至模型結(jié)構(gòu)。

Facebook、亞馬遜、微軟聯(lián)手開發(fā)的 ONNX 開源項目就誕生在這個背景下。ONNX 是 Open Neural Network Exchange 的縮寫，即”開放的神經(jīng)網(wǎng)絡交換”，核心特性是支持深度學習模型的導入導出。

ONNX 啟動半年多來，英特爾、高通、華為、AMD、ARM 等公司已經(jīng)加入。上個月英偉達新推出的 TensorRT 也支持了 ONNX。

值得注意的是，Google 主導的 TensorFlow 最近也推出了支持模型導入、導出和復用的 TensorFlow Hub。

這樣來看，整個深度學習生態(tài)的碎片化情況減輕了不少。未來的競爭，可能就主要是 TensorFlow 和 ONNX 了。