TensorFlow的开源与Hadoop的开源有什么差异？

最近看TensorFlow代码的时辰，用Git pull下来最新的master一看，哇许多几何的更新，然后点击去之前看到一半的cc文件继承看，许多几何处所都改变了。可是一看Git log，有许多几何庞大的commit叫什么 “Merge commit for internal changes”, “Merge for github”，没有任何的其他描写…，这样根基上不知道到底窜改是为了什么。

相对来说Hadoop的开源要实诚得多，每个窜改都有对应的JIRA来跟踪，从JIRA内里可以看到窜改的缘故起因、计划(对付大的改变来说)和接头。任何一个存眷项目标人都可以在代码merge之条件出本身的质疑，(只要不是无理取闹)根基上可以或许获得很具体的答复。

呈现这种区别最大的缘故起因是来历于Google与Apache本质上差异，Google作为一个贸易公司，有的是人来维护代码，根基上不在乎来自公司外的孝顺。对付Google来说，开源TF(目测k8s也差不多)最大的目标是拟定尺度，推进本身的cloud，其它假若有更多的人来测试和修修补补那些外围一点的对象那是再好不外了。

而Apache基金会原来就是为了开源而生，公司把项目孝顺给Apache基金会的目标除了为了晋升自体态象以外，首要是为了吸引用户和更多的开拓者，也就是造成杠杆的效应，那么为了获得更多真诚的辅佐，必定得把本身的肠肠肚肚都剖出来给人看。否则外部的人怎么去孝顺。

虽然两种方法各有是非，对Google这种级此外公司这种方法也许更快也停止了许多接头的时刻可是也会让许多隐藏参加者走掉，而Apache的方法更民主更开放。作为Hadoop的一员，我照旧真心喜好Apache的开放的事变方法…

（编辑：湖南网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!