算法和算法框架是機器學習非常重要的兩個因素，算法就是諸如LR、GBDT、DNN、DeepFM這樣的實際解決某個數(shù)學問題的公示實現(xiàn)。算法框架指的是計算框架，計算框架可以讓算法執(zhí)行更高效，比如最早玩深度學習的人都用過Theano，基于Theano去開發(fā)算法很困難，后來有了PyTorch和TensorFlow，讓基于深度學習的算法開發(fā)更方便。

最近看了很多文章也參加了很多討論，分享下我的看法。目前看上來，業(yè)內做框架的看上去更吃香，特別是在大公司。但是這個現(xiàn)狀跟我自己的看法有些出入。

算法代表著業(yè)務，更具生命力

首先我們回顧下算法的發(fā)展，其實無論是淺層的以LR為代表的算法，還是深度學習中以DNN為代表的算法。本質上都是計算梯度，然后反向傳播去更新每一層級網絡的參數(shù)，區(qū)別就是網絡層數(shù)不同。可以說這種算法誕生于上世紀60年代，在這么多年的發(fā)展中，這些算法并沒有被時代淘汰。即使是今天，LR依然在大部分業(yè)內的推薦系統(tǒng)中發(fā)光發(fā)熱。

算法之所以有生命力，是因為算法跟業(yè)務結合的更緊密，無論是上世紀還是下世紀，我覺得業(yè)務的本質不會變，這也意味著算法的邏輯本質上不會變，只會不斷演進。

框架代表計算力，更迭更快

而框架往往是不感知業(yè)務邏輯的，今天的TF框架跟10年前的框架不同，而10年前的框架跟20年前的框架又不同。我的一個觀點是框架軟件層面的優(yōu)化永遠追不上硬件的發(fā)展。

舉個例子，10年前做機器學習都用CPU為計算資源，當時很多人做CPU計算框架的編譯優(yōu)化。但是后來Hilton的學生發(fā)表了如何用GPU做深度學習，一下子將計算效率提升了幾十倍，這種情況下過去CPU級別的框架優(yōu)化變的沒有那么有意義。未來可能有TPU，有量子計算等計算硬件不斷推出。今天的框架優(yōu)化，一定會在未來成為泡影。

框架和算法誰是未來

既然算法更有生命力，框架是暫時的，那是不是就不做框架優(yōu)化了？這個要站在不同的角度去看，如果今天對一個開發(fā)同學來說，我覺得做框架更有意義，因為框架會涉及到更多地底層，門檻更高。雖然今天框架會逐漸被未來的框架替代，但是其中的一些優(yōu)化邏輯是相同的。所以，對于技術同學來說，做框架更有前途。

那如果是站在產品經理的角度呢？產品經理會更多地去接觸業(yè)務，我覺得去更多了解算法更有前途。

所以框架和算法誰是未來，對于產品經理來說，更多地了解算法更好。對于技術同學來說，優(yōu)化框架更有利于技術發(fā)展。自己的一點看法~歡迎拋轉。

《新程序員》：云原生和全面數(shù)字化實踐50位技術專家共同創(chuàng)作，文字、視頻、音頻交互閱讀

總結

以上是生活随笔為你收集整理的算法工程师和算法框架开发，谁会代表未来？的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。