尝尝PyTorch。
简洁
如果用汽车型号来类比各个机器学习框架的话，那么我会有如下的观点。这个世界上，观点并不重要，重要的是事实，当笑话看看即可。
- TensorFlow是保时捷
稳定，有面子，有底蕴，开很远开很久都可以。打开引擎盖，里面相对比较复杂但又有序可靠。一年得去保养一两次。
- PyTorch是特斯拉
设计简洁。试驾和市区开开不错，跑西藏可能有点困难。保养就是个形式。
- MxNet是啥
客观讲，没看到多少人正儿八经开。试驾的不少。开的也有一些。和小众电动车或混动车类似。要么为了车牌，要么家里是厂里的。
- PaddlePaddle是国产混动车
还可以，便宜实惠。但是最好服务商做成解决方案。比如我以滴滴乘客的身份去使用，而不是自己去开。
买哪种车呢？各有各的好处。如果是冬令营这种突击短期比赛，就好比赛车场搞个业余爱好者竞赛，简洁高效的自然受欢迎。
公司文化
如《定位》等营销书籍所叙，人们的心智在一个品类中只能容纳2-3个品牌。大部分人的眼里只有TensorFlow和PyTorch。我不由地想到了React和Angular等产品。两者的文化决定了产品风格。具体不多说，细品。
好的2D产品有什么特质
什么是好的面向开发者（2D）的产品？
- 简洁
- 文档齐全
- 示例丰富
- 社区资源多
- 功能强大，性能强大
- 稳定
简洁应该是所有因素的核心。
- 因为简洁，API即文档。
- 因为简洁，初级参与者才会多，才会有下一步。
- 因为简洁，才能稳定和性能强大。
唯一和简洁冲突的，大概就是“功能强大”。这也是PyTorch的少有的劣势：production serving。不知TouchScript后续走向如何。至于分布式训练，设备端部署等，我觉得这都不是民用车辆的功能，多台车（可以是一个品牌）才是合理的选择。
XnorNet和CycleNet
回归主题，PyTorch到底哪里好？
我不知道。
不过，我很快找到了XnorNet和CycleNet的开源实现，借助别人的工作，我快速改了改，就跑起来了。GPU和CPU占用基本满格，毫无浪费。加深了对论文的理解并能有些小粒度创新。代码角度，简洁，清晰。看API能感受到这是真的懂这个领域的人设计的。看外围功能，比如dataset，dataloader，transform等，嗯，这是民用车该有的样子。
知耻而后勇，期待G的各个勇士们在后续车型研发上能够有所改进。