Google 开源 TensorFlow

背景

大规模训练机器学习模型一直是件门槛很高的事：需要许多台机器协同工作、需要专门为分布式环境写的代码，还需要有人把研究想法翻译成真正跑得起来的程序。Google 早年为内部使用搭建过一套名为 DistBelief 的系统，而 TensorFlow 被 Google 称为第二代机器学习系统，是在 DistBelief 的经验之上做出来的^[1]。

机器学习框架（machine learning framework）可以理解为这样一套工具库：它把「描述模型、把数据喂进去、算出误差、调整参数让误差变小」这些反复出现的步骤打包好，使用者只需要写下模型本身的计算过程，剩下的调度和执行交给框架。这样一套工具是否向公司之外的人开放，直接决定了谁能参与进来。

发生了什么

2015 年 11 月 9 日，Google Research 宣布以 Apache 2.0 许可证开源 TensorFlow^[1][2]。TensorFlow 博客给出的开源日期同样是这一天^[3]，配套发布的技术白皮书也标注为 2015 年 11 月 9 日^[2]。Apache 2.0 是一份宽松的开源许可证，允许他人使用、修改和再分发代码，这正是让一份代码能被外部真正用起来、而不只是被读一读的关键。

Google 也说明了这样做的用意：它希望开源能让机器学习社区通过可运行的代码来交流想法，而不只是通过研究论文^[4]。也就是说，公开的不只是一份对系统的描述，而是系统本身——别人提出的方法可以被直接试跑、对比和继续搭建，而不必从论文出发重新实现一遍。

关键细节

Google 在发布时强调了同一套系统覆盖的硬件范围：TensorFlow 既可以跑在一部手机上，也可以分布在数据中心的数千台计算机上^[4]。这个跨度很重要，因为模型常常在大机器上开发，最后却要部署到用户手里小得多的设备上。

Google 还表示，发布之时它已经在自家产品中使用 TensorFlow：Google App 的语音识别、Inbox 的智能回复（Smart Reply），以及 Google Photos 的搜索^[4]。因此这次开源背后是有已经上线运行的实际应用支撑的，而不是一次纯粹的实验性代码投放。

影响

开源最直接的结果是：任何接受该许可证的人——学生、其他机构的研究者、自己做产品的公司——都可以查看、复用和扩展这份代码。由于放出来的就是 Google 自己产品里在跑的那套系统^[4]，外部使用者不需要先照着论文把系统重新实现一遍。

Google 后来公布过围绕这套系统形成的生态规模。TensorFlow 博客在 2022 年的一篇文章中说，到那时 TFLite（面向较小设备的版本）运行在 40 亿台设备上，TensorFlow.js（在浏览器里运行的版本）每周被下载 17 万次^[3]。这些是 Google 关于自家生态的数字，说明的是使用范围而不是技术优劣；但它们确实表明，一个 2015 年放出来的工具包，最终跑在了从手机、浏览器到数据中心的极多地方。