1樓：Lanking
自用，這是TF出來的原因。
推廣自己的雲服務：有云服務做底的框架
保護自己：當框架一家獨佔的時候，其他人如果有改動就很難merge進去。PyTorch，MXNet出現都是的，因為已經出現了有大廠員工需要改動但對面完全不理的情況。
PR：說自己比別人快X倍的框架
公司作底沒有真正的開源，只有read only的開源。
真正的開源也只有Apache MXNet，後面幾個大廠都有寫入權。
2樓：林孟瀟
這個問題其實很大，因為每一家企業開發深度學習框架都有自己的原因，後來開源也有自己的原因。我自己接觸過了解過的情況大概有三種：
大企業，如Google開發Tensorflow，Facebook支援PyTorch，Amazon搞MXNet。早期Google搞Tensorflow是他們自己有做深度學習的需要，那就需要有軟體支援。早期學術界搞的Theano啊Caffe啊不夠用了，就需要自己搞。
比如剛開Google自己有很大的集群，不用起來浪費了，Tensorflow就對分布式做了很多優化。後來自己用的很爽，開源了給大家用也提公升話語權，順便教育一下行業。值與Facebook和Amazon，也是有一些自己的需求，現有工具無法完全滿足，但是從頭搞也很費力，既然有不錯的學術界工具，不如收買來接著搞。
國內AI獨角獸，典型例子就是我呆過的曠視Face++啦。其實初衷和大企業一樣，就是有些需求開源工具滿足不了，比如專門給特定裝置的優化，這個時候自己對框架十分熟悉就有很大的優勢。在曠視內部使用自己的框架最大的好處就是演算法搞出來到變成產品的速度非常快，跑乙個指令碼就能夠得到乙個可以扔到手機上跑的二進位製包，而且輸出做了混淆，友商很難逆向（雖然自己debug也很難受）。
後來開源一方面是情懷，一方面開源的過程也可以很好地推進框架本身的文件建設。總的來說，如果已經有了乙個框架，進行開源的邊際成本不是很高，但是邊際收益很不錯。
還有少數專門做框架的公司，比如袁進輝老師的一流科技，據說也準備開源。如果真的開源了，應該類似RedHat之於Linux，賣的是服務，而開源的框架被更多人使用可以提公升質量，同時也方便潛在客戶先行嘗試。
3樓：天一神水
先占領市場，有市場就可以賣技術服務（技術諮詢，二次打包這種）、配套軟硬體等等。
可以看看開源是如何掙錢的
開源賺錢思路 - compilerTech - 部落格園
keras深度學習框架輸出acc loss,val acc val loss，什麼意思？
想飛的魚 你好，我現在遇到乙個這樣的問題 現在我跑的模型得到下面的影象，上面顯示acc的正確率達到80 而驗證集卻只有55 左右，但是我用的驗證集就是我跑模型的訓練集，按道理來說兩個基本上是相等的，但是為什麼會差那麼多呢，所以我現在有點懷疑那個acc的含義是否就是訓練集的正確率了，求指點 王華 ke...
後端開發需要學習前端框架嗎？
志遠德心網路科技有限公司 這個是需要學的，現在大多數專案都採用前後端分離的，而後端人員既要能寫介面，也要能寫頁面，就說傳說中的vue，當然有的公司也有可能用react。 時雨 作為乙個後端，我的答案是學。1.現在行業細分得厲害，了解各端的人通常可以有效的減少和各端開發人員的無效交流。2.保持新鮮感。...
請問在CPU下最快的深度學習框架是哪種？caffe2 mkldnn nnpack
ACJ 首先如其他回答所說，mkldnn和nnpack並非深度學習框架，而是高效能計算庫，基於不同硬體架構針對如卷積 矩陣乘等計算的優化，一般搭配框架使用，如TensorFlow Pytorch等。下面我試著結合國內華為開源的MindSpore Lite為例，來談一下我對高效能的AI引擎的理解，不準...