国产深度学习框架 OneFlow 是否靠谱？

OneFlow框架的设计目标是实现：一个使用多机多卡就像使用单机单卡一样容易的深度学习框架。

可以说，这是国内最早的深度学习框架之一，也是至今还活着的公司中开发支持力度最低的，也是最缺少技术支持、用户支持、资金支持的，就这样的产品至今还活着就不得不佩服清华校友的能力强大，毕竟是张钹院士的学生。

虽然说这个产品很不好用，但是感觉这也不算是一个泛泛之辈，因为这个框架的设计就和其他的框架不同，其他的框架都是原生支持单机，后期扩展支持分布式，这个框架确是设计之初就原生支持分布式，可以说是一边开发一边支持分布式，可以说是另类中的另类了。

Oneflow框架难以安装，难以运行

可能是这个公司的经济条件有限，因此这个框架只有通过公司官网下载安装或GitHub下载安装两种方式，既不支持conda也不支持pip，可以说是极难安装使用的，并且你需要手动配置相关环境，比如cuda和cudnn，不过万幸的是这个框架还提供docker镜像安装，不过这下载网速也是一言难尽。

官方给出的oneflow的应用场景：

可以这么理解，使用oneflow的场景必须是要进行训练，然后呢又必须是分布式场景，而且应该是中等水平的集群，比如这里给的400张显卡的情况，但是呢实际业务需要训练的量又是现有资源无法支撑的，并且短时间内无法扩展集群，可以说是虽然有400张显卡了，但是依旧不够用，并且业务要求这个计算必须在一定时间内完成，无法无限后延。而且还有一点，那就是模型要求必须简单，因为这个框架还不是很成熟，各种算子可能并不支持，所以只有常见的模型和算子才能很好运行。

综合具备上面的这些条件后，就可以考虑使用oneflow了，因为oneflow的分布式下的训练速度经过测试要比其他框架要快。不过，不得不说这个oneflow框架需要满足这些条件才适用，也确实有些强人所难了。你说这东西必须是实际业务的生产环境，还必须是大集群，而且对计算性能很敏感，并且模型要简单，这时候才适合用，按照这个要求估计也确实没有多少场景适合了，毕竟有这400张显卡的地方估计也不差再加100张卡，而且这种应用场合应该是业务比较固定的，那为啥不采用租个集群呢，搞不懂这个奇葩要求。

在我看来，这个框架要想走下去，就得丰富其功能，加入更多的算子，并且建立社区，增加支持的项目，并且对小集群的使用环境下也要具有明显的性能优势才可以。毕竟曾经的几十个深度学习框架最后也就剩下这几家还活着，如果真的搞不定，这个活了6、7年的框架也是难逃关门的厄运的，这里不得不说搞这东西真的需要有足够的资金支持的，不然为啥只有Google、Facebook、百度、华为这几个公司最后还这么坚挺呢。

或许，这个OneFlow适合成熟业务从pytorch转换过来进行训练。