帖子作者表示自 2017 年开始，整个深度学习生涯几乎都在使用 TensorFlow，并一直在 Windows 系统上使用。但当从 2.10 升级到 2.13 版本时，他发现 GPU 没有被利用上，深挖之后发现 TensorFlow 在 2.10 版本之后就放弃了对 Windows GPU 的支持。

因此，他表示 TensorFlow 2.10 是 Windows 本地支持 GPU 的最后一个版本。从 2.11 开始，你就需要在 WSL 2 上安装 TensorFlow，或者使用TensorFlow-DirectML-Plugin。这造成了很大困扰，他认识的大多数机器学习开发者都使用 Windows 并在本地进行开发，现在只能切换到 Linux 上部署了。

他知道 WSL 是一个选项，但弊端在于只能使用 50% 的 RAM，并且不使用本机文件系统。在很多人已（正在）转向 PyTorch 时，他坚持并倡导使用 TensorFlow，但如今他感觉被背叛了。TensorFlow 抛弃了他。如今他也将很快转向使用 PyTorch 了。

这位作者的经历得到了众多网友的附和，有人表示 TensorFlow 已经「死了」，就连谷歌工程师都要用 JAX 替代 TensorFlow。

另一位网友也认为，自 TensorFlow 升级到 2.0 以来，便开始慢慢死去。如果谷歌在接下来几年完全停止支持 TensorFlow 并在内部切换成 JAX，他不会感到惊讶。

TensorFlow 到底怎么了？

无独有偶，今日推特上也有人对 TensorFlow 发出了质疑：谷歌在 TensorFlow 上出了什么问题？这个糟糕的软件在根上就坏了，一年的时间可以发现 TensorFlow 核心中的五个 bug。

从下图也可以看出，自 2021 年 5 月 1 日以来，人们对 TensorFlow 与 PyTorch 的兴趣度变化。

著名软件开发者、Deep trading 创始人 Yam Peleg 表示，TensorFlow 的主要问题在于 bug。当你想使用一个简单的界面（如编写自定义损失）时，包不一会就损坏和崩溃了。因此不得不将大多数时间花在如何回避这些 bug 而不是工作上。

另一位知名机器学习学者、《Python 机器学习》作者 Sebastian Raschka 也发表了自己的看法。

他不确定 TensorFlow 出了什么问题，作为早期框架之一，已经进行很多工作来解决问题。他认为问题是随着深度学习领域快速发展，谷歌不得不扩展 TensorFlow 并添加各种补丁，这才导致它如此混乱。现在必须吸取所有经验教训从头开始重新设计，也许这就是谷歌推广 JAX+Flax 的原因吧。

各位机器之心的读者们，你们的 TensorFlow 还好用吗？有转向 PyTorch 等其他框架的打算吗？