今年 6 月，由北京大學(xué)前沿計(jì)算研究中心董豪博士主導(dǎo)開源的 TensorLayer 在 GitHub 上的 Star 數(shù)突破五千，這也標(biāo)志著這一工具進(jìn)入一個(gè)全新里程碑。TensorLayer 是一款基于 TensorFlow 開發(fā)的深度學(xué)習(xí)與強(qiáng)化學(xué)習(xí)庫(kù)，它提供高級(jí)別的深度學(xué)習(xí) API，非常易于修改和擴(kuò)展，可以同時(shí)用于機(jī)器學(xué)習(xí)的研究與產(chǎn)品開發(fā)。

2016 年，董豪在帝國(guó)理工讀博期間，在 Github 上開源 TensorLayer1.0，這一工具于 2017 年獲得 ACM MM 最佳開源軟件獎(jiǎng)。今年 5 月，隨著 TensorFlow 升級(jí)至 2.0，在北京大學(xué)前沿計(jì)算研究中心的大力支持下，北京大學(xué)和帝國(guó)理工的貢獻(xiàn)者們（吳睿海、吳潤(rùn)迪、董豪、張敬卿）也將 TensorLayer 升級(jí)至全新 2.0 版本，全面支持動(dòng)態(tài)訓(xùn)練模式、動(dòng)/靜態(tài)神經(jīng)網(wǎng)絡(luò)模型切換以及 TensorFlow2.0，并同時(shí)大大簡(jiǎn)化了自定義神經(jīng)網(wǎng)絡(luò)的實(shí)現(xiàn)。目前，TensorLayer 的下載量接近 20 萬次，并逐漸成為深度學(xué)習(xí)主流框架之一。

談及發(fā)起 TensorLayer 項(xiàng)目的契機(jī)，董豪對(duì)雷鋒網(wǎng)表示，這與他的研究經(jīng)歷息息相關(guān)。博士第一年，他主要做一些醫(yī)療數(shù)據(jù)的分析研究，其間涉及到諸多深度學(xué)習(xí)研究，到了博二和博三，他的研究逐漸從醫(yī)療應(yīng)用轉(zhuǎn)換到深度學(xué)習(xí)算法。這期間，他逐漸對(duì)要不要自己做一個(gè)工具集進(jìn)行了思索，隨后所做的一個(gè)模型壓縮項(xiàng)目真正導(dǎo)向他做出 TensorLayer。在這個(gè)項(xiàng)目中，他最開始使用的工具是 Theano，在往 TensorFlow 切換的過程中，能使用的工具只有 Keras，但是 Keras 存在一個(gè)問題——透明性很差，很難進(jìn)行一些底層操作，而這對(duì)模型壓縮中的特定操作造成了困擾。因?yàn)樾枨髮?dǎo)向，他決定做出一個(gè)追求簡(jiǎn)潔和透明性的工具，滿足實(shí)驗(yàn)室的科研需求，提高研究的效率。

旅行中的奇思妙想

而將 TensorLayer 導(dǎo)向開源，則是另一則小故事。

2016 年 9 月，董豪陪同父母旅游，在從美國(guó)乘坐游輪去墨西哥的過程中，他將這一工具開源。

「本來已經(jīng)答應(yīng)了爸媽和他們一起坐船，但我一上去就后悔了。游輪看起來似乎很不錯(cuò)，在船上欣賞美景，感受大自然，但真實(shí)的情況是，連續(xù) 7 天每天就是吃吃自助餐，看看表演，翻來覆去地看海景，這種感覺真的很無聊。」

在上船的次日，他租好 WiFi，花了一周時(shí)間，把過去所有的代碼整理好，發(fā)布了 TensorLayer 第一版。當(dāng)時(shí)的想法是，開源的時(shí)機(jī)已經(jīng)成熟，既然有了好的東西，就應(yīng)該拿出來給開發(fā)者群體使用，看看效果如何。而這次的游船之旅，則是讓他心無旁鷺整理 TensorLayer 的最佳催化劑。

以現(xiàn)在的眼光看來，1.0 版本略顯粗糙。但隨著這一工具的開源，陸續(xù)有更多的開發(fā)者提出意見，TensorLayer 開發(fā)者團(tuán)隊(duì)也基于此做出了更多更好的提升。這一工具不再是一個(gè)人的單打獨(dú)斗。

最初的開發(fā)團(tuán)隊(duì)以他們實(shí)驗(yàn)室為主，此外還有帝國(guó)理工大學(xué)的一些校友，隨著畢業(yè)或研究方向的轉(zhuǎn)變，有些人慢慢離開了這支隊(duì)伍。隨著開源，陸續(xù)有了許多網(wǎng)友加入這個(gè)社群，直到現(xiàn)在都還一直有新鮮血液涌入。

開源之后，他也迎來另一個(gè)收獲，2017 年，TensorLayer 獲得 ACM MM2017 最佳開源軟件獎(jiǎng)。

「無心插柳柳成蔭」的獎(jiǎng)項(xiàng)

ACM MM2017 最佳開源軟件獎(jiǎng)對(duì)董豪來說完全是預(yù)料之外的收獲。在這一工具開源之后，他的好友在一次閑談時(shí)對(duì)他說道，「既然做了，不如寫篇論文投個(gè)會(huì)議？」董豪調(diào)侃道，「嗯，那就試試吧。」

就是這樣一次不經(jīng)意的對(duì)話，沒想到促成了這次最佳開源軟件獎(jiǎng)。得知獲獎(jiǎng)時(shí)，董豪正在意大利參加 ICCV，由論文的另一位共同作者在 ACM MM 現(xiàn)場(chǎng)領(lǐng)獎(jiǎng)。

彼時(shí)他們團(tuán)隊(duì)身處英國(guó)，做深度學(xué)習(xí)研究的團(tuán)隊(duì)，以中、美居多，他們對(duì)這一工具的宣傳也較少，唯一的傳播途徑就是，董豪會(huì)在知乎里回答一些關(guān)于 TensorLayer 的疑問。即便這樣，TensorLayer 也收獲了不少用戶群體。好用的工具大家都喜歡。

在這一工具獲得 ACM MM 最佳開源軟件獎(jiǎng)之后，熟知它的人變得更多，社群里的討論也日益熱烈。新的規(guī)劃也開始啟動(dòng)。

董豪決定，一定要好好維護(hù)這一工具，做到畢業(yè)之后繼續(xù)對(duì)用戶群體負(fù)責(zé)。從最初的以實(shí)驗(yàn)室需求為導(dǎo)向，發(fā)展到今天，他對(duì)為什么要做好 TensorLayer 又有了新的理解。

他對(duì)雷鋒網(wǎng)表示，TensorLayer 是一個(gè)沒有任何公司背景的純開放社區(qū)，這樣的好處是，沒有公司之間的諸多復(fù)雜問題?！赣行┕咀龀鰜淼墓ぞ?，他們可能抱著這樣的考慮，別家的算法，我們就支持的慢一點(diǎn)，本來可以這次進(jìn)行升級(jí)，我們放在下一次。而 TensorLayer 則不同，如果我今天做了一個(gè)很好用的東西，或者是在哪篇論文中發(fā)現(xiàn)了很好用的方法，那我們可以馬上加進(jìn)來，讓開發(fā)者第一時(shí)間用上。」

2.0 版本全新升級(jí)

去年 9 月份，他開始考慮進(jìn)行這次升級(jí)，打算做出新的設(shè)計(jì)，找到自己的特色，對(duì)優(yōu)勢(shì)進(jìn)行提升。TensorLayer 的底層基于 TensorFlow，而 TensorFlow 一直因?yàn)殪o態(tài)圖的問題被廣大開發(fā)者詬病，他表示，既然 TensorFlow 決定升級(jí)至 2.0 版本，TensorLayer2.0 版本也可以提上議程。

在這次的更新中，董豪也撰文，透露了如下特征：

TensorLayer 由底層至上層可以分為三大模塊：

1. 神經(jīng)網(wǎng)絡(luò)模塊：TensorLayer 提供大量工業(yè)界和學(xué)術(shù)界需要的參考層實(shí)現(xiàn)（比如 CNN、RNN、BinaryNet 等），提供類似 Pytorch 的「動(dòng)態(tài)」聲明方式，也提供類似 Lasagne 的堆疊式「靜態(tài)」聲明方法來建立模型，并支持動(dòng)態(tài)圖和靜態(tài)圖兩種訓(xùn)練模式，以支持不同的開發(fā)需求。

2. 工作流模塊：為了支持整個(gè)深度學(xué)習(xí)開發(fā)流程，TensorLayer 提供了大量數(shù)據(jù)處理和訓(xùn)練流程所需的工具。此外，為了管理整個(gè)深度學(xué)習(xí)開發(fā)，以支持項(xiàng)目的存儲(chǔ)、比較、溯源等，TensorLayer 提供了生命周期管理功能，包括模型、數(shù)據(jù)和訓(xùn)練流程的管理，以及支持任務(wù)分發(fā)以實(shí)現(xiàn)多任務(wù)并行執(zhí)行，以加快訓(xùn)練（比如超參數(shù)選取）和自動(dòng)產(chǎn)品化部署。

3. 應(yīng)用模塊：為了促進(jìn)產(chǎn)業(yè)界和學(xué)術(shù)界的交流，TensorLayer 社區(qū)提供了大量應(yīng)用和預(yù)訓(xùn)練模型，包括醫(yī)療圖像分析、圖像增強(qiáng)、人體姿態(tài)估計(jì)、文本生成、風(fēng)格遷移、各類增強(qiáng)學(xué)習(xí)算法等等。

與 Keras 和 Pytorch 相比，TensorLayer 提高了神經(jīng)網(wǎng)絡(luò)模塊的抽象化設(shè)計(jì)，同時(shí)實(shí)現(xiàn)了降低使用現(xiàn)有層和開發(fā)新層的工作量，既不需要開發(fā)者編寫函數(shù)以計(jì)算層的輸出尺寸（Keras 需要），也不需要在使用層時(shí)輸入上一層的輸出尺寸（Pytorch 需要）。這些設(shè)計(jì)大大方便了框架的拓展。

此外，TensorLayer 提供了整套端到端的工作流，包括數(shù)據(jù)預(yù)處理、訓(xùn)練、服務(wù)模塊、數(shù)據(jù)庫(kù)管理，以及任務(wù)自動(dòng)發(fā)放和收集。

目前，TensorLayer 團(tuán)隊(duì)分為框架開發(fā)和應(yīng)用開發(fā)兩個(gè)分支，框架開發(fā)主要做一些底層的支持和高層抽象，應(yīng)用開發(fā)會(huì)基于這一工具做更多應(yīng)用。本次大更新的主要貢獻(xiàn)來自北京大學(xué)和帝國(guó)理工學(xué)院的核心團(tuán)隊(duì)，其中，北京大學(xué)信息科學(xué)技術(shù)學(xué)院的兩位大三學(xué)生吳潤(rùn)迪和吳睿海是本次更新的最核心成員。

未來

今年六月，TensorFlow 2.0 Beta 版本發(fā)布，終版 API 基本定型，貢獻(xiàn)者團(tuán)隊(duì)搭配 TensorLayer2.0，實(shí)現(xiàn)了全套深度強(qiáng)化學(xué)習(xí)（Deep Reinforcement Learning）算法，包括 DQN 以及一系列的改進(jìn)算法，PG、TRPO、PPO 等算法，AC 算法及其一系列改進(jìn)，最大熵方法和策略/值迭代等方法。他們也承諾，將持續(xù)開源最新深度學(xué)習(xí)和深度強(qiáng)化學(xué)習(xí)算法。

目前，貢獻(xiàn)者團(tuán)隊(duì)與硬件開源社區(qū) Sipeed 合作，將推出基于國(guó)產(chǎn) K210 嵌入式 AI 芯片模組及其模型轉(zhuǎn)換器。屆時(shí)，TensorLayer 中的所有案例和模型都將可以直接導(dǎo)入芯片中，成本能控制在 20 元以下。他們已經(jīng)做出了實(shí)時(shí)目標(biāo)識(shí)別、人臉識(shí)別、風(fēng)格轉(zhuǎn)換等的 demo。

對(duì)于在 TensorLayer 的開發(fā)與更新這三年中的體會(huì)，董豪對(duì)雷鋒網(wǎng)表示，這是一個(gè)不斷結(jié)識(shí)新朋友，自我學(xué)習(xí)的過程?！改軐W(xué)到很多工程上的東西，也會(huì)遇到各種各樣的需求。開發(fā)者提出來之后，我就知道，哇，原來世界上還有這種算法。當(dāng)然，也會(huì)認(rèn)識(shí)許多國(guó)內(nèi)國(guó)外的朋友，其中有很多很有意思的人。我們做的事情是開源，所以接觸到的很多人都極具貢獻(xiàn)精神。」

董豪還提到，TensorLayer 也創(chuàng)造了很多促進(jìn)個(gè)人事業(yè)的機(jī)會(huì)，比如有一些大公司找到他，開出了在業(yè)界極具競(jìng)爭(zhēng)力的條件。不過他最后還是選擇了北京大學(xué)，將繼續(xù)從事科研。社區(qū)貢獻(xiàn)者也都拿到了 OpenAI, Google Brain, Nvidia Research 等研究機(jī)構(gòu)的 offer。

他將于今年 9 月正式加入北大前沿計(jì)算研究中心，該中心在機(jī)器學(xué)習(xí)理論和應(yīng)用方面都非常強(qiáng)。在未來，他會(huì)做一些基于深度學(xué)習(xí)的理論研究，以及機(jī)器學(xué)習(xí)在視覺、醫(yī)療、圖形學(xué)方面的一些應(yīng)用，歡迎大家申請(qǐng)博士生和博士后。此外，他對(duì)非監(jiān)督學(xué)習(xí)也特別感興趣，計(jì)劃在數(shù)據(jù)的高效利用上進(jìn)行更多探索。我們期待未來他帶來更多新的研究，推動(dòng) TensorLayer 更多地助益于開發(fā)者，創(chuàng)造一個(gè)開源、共享的生態(tài)。

TensorLayer 部分貢獻(xiàn)者

董豪知乎主頁(yè)：https://www.zhihu.com/people/zsdh123/activities

TensorLayer GitHub 地址：https://github.com/tensorlayer/tensorlayer

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。