机器之心：知乎上有人提到 dmlc 的初衷好像是提供一套比较简单易用的 python 的接口，这种说法对吗？那么你们设计 mxnet 的初衷是什么？

唐源： 我觉得 Python 接口只是让好的技术能够让更多人使用的一个很好的开始，Python 在数据科学和机器学习领域是非常火的，用户特别多，开源社区也比较活跃，是个很好的选择，大部分的深度学习领域的研究者都是 Python 用户，尤其是设计到图像处理，文本处理等领域。但是仅仅有 Python 接口是满足不了需求的，很多社会科学和生命科学领域经常使用 R,、Julia，在产业界最广泛使用的语言是 JVM 类的，比如说 Java 和 Scala，这也是我们后来为什么又把许多精力放在了其它语言上，比如说我花时间最多的 Scala 接口。我觉得一个好的产品不能一次性实现各种语言以及各种需求，我们首先用 Python 接口来做实验，看看需要满足用户的哪些需求，看看我们的方法能不能行得通，会不会受大众喜欢，接下来的其它的接口也都是看需求来的，这样我们能够更有效地利用时间。

机器之心：随着深度学习越来越受关注，最近对几大框架的比较是越来越多，这种现象是好是坏呢？

唐源：我觉得这是非常好的现象，有竞争更能推进进步，大家都开源自己的独特框架，这更有助于学习、研究以及交流。就很有学习价值，这是一个很轻量级的模块，实现了许多在深度学习系统比如说 TensorFlow 和 MXNet 中存在的对计算图进行优化，以及处理前后端，等等的一些需求。我非常开心能看到大家这样愿意将自己的研究成果开源，这样让后来的学习者少走了不少弯路。比较是好的，这样大家能看到自己的框架的优缺点，但是与此同时，因为各种条件的限制和变化，往往我们很难进行比较公平的比较。有些人喜欢拿自己框架擅长的方面来定制自己的衡量标准，希望大家能够全面的进行比较，不要以争取用户为目的来比较框架。

机器之心：谷歌、Facebook 作为大公司，他们的 TensorFlow、Torch7 好像更受欢迎，这是不是资源优势造成的呢？你如何看待现在业界的反 TensorFlow 呼声以及支持 TensorFlow 的呼声？

唐源：资源优势确实影响到了受欢迎程度，但也不是绝对的，因为最终的受欢迎程度是需要经过时间的考验的，最终的决定权还是在用户手上，有着不同需求的用户群体可以更好地全面地测试不同的框架，不管是大公司支持的还是草根阶级的，都会有着竞争的机会，不会被完全垄断的。我觉得不用太在意这些，自己了解自己项目的需求，然后考虑一下学习成本，看看哪个框架更适合自己就好。比如说很多人就不太喜欢学新的编程语言就仅仅为了使用 Torch7，很多统计学家熟悉 R 的话可以直接使用 MXNet 的 R 接口，等等。

©本文由机器之心原创，转载请联系本公众号获得授权。

　　?------------------------------------------------

加入机器之心（全职记者/实习生）：[email protected]

投稿或寻求报道：[email protected]

广告&商务合作：[email protected]