Comment choisir le bon cadre de développement de l'IA ?

Le choix d'un framework de développement d'IA est aussi important que le choix des plans de construction pour un constructeur, et pour être honnête, les choix sont vraiment déroutants. Il y a quelques jours et quelques amis développeurs discutent, ils se plaignent que TensorFlow et PyTorch "s'aiment", tout comme la guerre entre iOS et Android. Mais le problème est que cette décision peut conduire à une expérience de développement ultérieur est très différente, et même directement affecter le succès ou l'échec du projet. Après tout, chaque framework a sa propre philosophie de conception et ses propres scénarios d'application, de sorte que vous ne pouvez pas vous contenter de regarder la réputation au moment de choisir.

Les exigences du projet sont au cœur du projet

L'année dernière, l'équipe d'une startup d'IA dans le domaine de la santé s'est retrouvée dans une situation délicate parce qu'elle avait choisi un framework inapproprié. Elle a opté directement pour TensorFlow, mais s'est aperçue que ce framework "de qualité industrielle" était trop lourd pour son petit projet, qui évoluait rapidement. Il n'est pas rare que des équipes optent pour le dernier framework JAX, pour se rendre compte que la documentation et le support de la communauté sont encore très immatures. Mon conseil est donc de déterminer d'abord la nature du projet : s'agit-il d'une expérience rapide pour la recherche ? Ou doit-il être déployé dans l'environnement de production d'applications d'entreprise ? Il s'agit d'une question importante, car un mauvais choix peut entraîner des coûts de développement deux ou trois fois plus élevés.

Des indicateurs pratiques à ne pas négliger

En ce qui concerne les critères de sélection proprement dits, outre les performances du framework lui-même, certains facteurs périphériques sont assez souvent négligés. Par exemple, l'activité de la communauté - vous ne l'imaginez peut-être pas, PyTorch sur GitHub résout les problèmes plus rapidement que TensorFlow, soit près de 40%, ce qui est salvateur lorsqu'il s'agit de résoudre des problèmes urgents. Autre cas concret : une entreprise nationale spécialisée dans l'IA a éliminé deux solutions directement en raison de l'absence de documentation en chinois sur le framework. En outre, la pile technologique des membres de l'équipe est également un élément clé, car l'introduction forcée d'une pile technologique entièrement nouvelle peut entraîner une courbe d'apprentissage désastreuse.

La compatibilité matérielle est également importante. Nous avons effectué des tests et PyTorch excelle vraiment sur les GPU NVIDIA, mais si vous voulez exécuter des modèles sur des TPU, TensorFlow pourrait bien être le choix le plus sûr. Il s'agit également d'une question de plans d'expansion futurs possibles, n'est-ce pas ? Parfois, choisir un framework revient à payer pour le matériel.

Inutile de courir aveuglément après la nouveauté

Aujourd'hui, de nouveaux frameworks apparaissent de temps à autre sur le marché, tels que MindSpore et OneFlow, qui ont récemment connu un grand succès, mais l'expérience de plusieurs changements technologiques dans l'ancien développement vous dira que la stabilité est souvent plus importante que la nouveauté. J'ai déjà eu un projet qui a été retardé d'une demi-année afin d'utiliser le dernier framework, ce qui a été une véritable leçon apprise. D'après mon expérience personnelle, pour les projets de production, il faut au moins 2 à 3 ans de maturité avant d'envisager l'adoption. Pour les projets de recherche, il est possible de faire preuve d'audace, après tout, ce temps d'apprentissage des nouvelles technologies est plus important que la stabilité du projet.

En fin de compte, il n'y a pas de réponse standard au choix d'un framework d'IA, tout comme il n'y a pas de panacée. Tout dépend de votre équipe, de votre projet, de vos ressources et de votre développement futur. La seule certitude est peut-être que le choix vaut la peine de consacrer un jour ou deux à des recherches approfondies, plutôt que de se contenter de prendre le framework le plus populaire et de l'utiliser. Après tout, à l'ère de l'explosion de l'IA, le choix du bon outil peut représenter la moitié de la bataille.