微软公司CNTK和TensorFlow框架。所以谷歌如果想把开发人员觅，不仅必须更慢的芯片，机器学习的工具也十分最重要，让开发人员转入其GCP（Google Cloud Platform）和其他服务，并用于TensorFlow。

这也是谷歌能否从目前核心的广告业务中渐渐扩展到新的领域并维持领先优势的关键。但随着Facebook更加期望用像PyTorch这样的框架来挑战TensorFlow，谷歌想要维持领先显得艰难。消息，今年F8开发者大会的第二天，Facebook宣告PyTorch 1.0beta版将在今年夏天和用户见面，并提早展出了这款新的框架的特性。

据Facebook讲解，PyTorch 1.0融合了Caffe2和ONNX模块化、面向生产的特性，也融合了PyTorch灵活性、面向研究的特性，为普遍的AI项目获取从科研原型到生产部署的较慢、无缝途径，让用户可以较慢实验，通过能在强制执行模式和声明继续执行模式之间无缝切花的混合前端优化性能。必须理解的是，ONNX（对外开放神经网络互相交换）是Facebook去年牵头多家软硬件公司公布的神经网络模型切换协议，现在追加了对苹果的Core ML、百度PaddlePaddle、高通SNPE的反对，再行再加原本反对的MXNet、Caffe2、PyTorch、TensorFlow、CNTK等框架，构建了神经网络模型在各种主流框架之间的切换。

因此，TPU3.0只是谷歌服务其生态维持领有其再行地位的第一步，硬件之上的TensorFlow某种程度最重要。微软公司基于FPGA的Brainwave平台以及Facebook的PyTorch 1.0软件和硬件都与谷歌构成了竞争关系，未来谷歌能否维持领先地位还必须看其否能作出较慢的对此。

本文来源：澳门威斯尼斯8883入口-www.jacxtf.com