为什么不推荐使用jax ( jax vs pytorch)—— google推出jax后为什么迟迟没有得到业界接受——jax是否会重蹈TensorFlow的覆辙

在2017年后，Google的TensorFlow在与Facebook的pytorch的竞争中落败，于是为了重夺业内位置，Google在将开放重点从TensorFlow转为新开发一种新的工具框架，那就是jax。虽然在某种意义上来说Google已经放弃了TensorFlow，但是在Google内部依然保持着部分人员再继续维护和开发TensorFlow，但是整个Google在AL方向几乎全部转为了jax，可以说Google是all in在了jax上。

但是jax推出已经有近7年时间了，但是jax这些年里总是有些不温不火，即使是搞AI，搞科学计算，搞大规模计算，搞深度学习的，或许也是有很大一部分人不知道Google的这个jax的，这就和很多人不知道华为的mindspore和百度的paddle一样，但是为什么Google这款替代TensorFlow的框架——jax也成了小众知晓的项目呢，要知道这可是Google，是Google的主打项目，而Google可是一家公司可以几乎挑战全球IT行业的公司，不论是资金财力还是开发水平那都不是国内的百度、阿里、华为这个量级的，但是为什么Google的这款jax却成了如此境地呢。

关于这个问题我是不好发表过多个人观点的，下面就给出一个自己刚看过的一个jax编写的reinforcement learning算法中的PPO算法的源码内容来说下个人的一些理解。