Preferred Networks（以下PFN）は、研究開発の基盤技術であるディープラーニングフレームワークを、自社開発のChainerから、PyTorchに順次移行すると発表した。今後Chainerの開発はバグフィックスおよびメンテナンスのみとなる。

Chainerファミリー（ChainerCV, Chainer Chemistry, ChainerUI, ChainerRL）についてもこの方針に従う。PFNが運用するディープラーニング入門:Chainerチュートリアル（外部サイト）についても今後コンテンツのリニューアルを検討予定だという。

関連記事：【Chainer】ディープラーニング初学者向けのチュートリアルを無償公開。Pythonの使い方から実装までの流れを学べる

同時に、PyTorchを開発する米FacebookおよびPyTorchの開発者コミュニティと連携し、PyTorchの開発に参加する。Chainerは、12月5日に公開されたメジャーバージョンアップとなる最新版v7をもってメンテナンスフェーズへ移行。Chainerユーザー向けにPyTorchへの移行を支援するドキュメントおよびライブラリを提供するという。

PFN代表取締役社長である西川徹氏のコメントは以下の通り。

研究者・開発者から幅広く支持されたChainer

PFNが開発・提供しているChainerは、2015年6月にオープンソース化されて以来、PFNの研究開発を支える基盤技術として事業の成長に大きく貢献してきた。

PFNが考案したDefine-by-Run方式は、複雑なニューラルネットワークを直感的かつ柔軟に構築できることから研究者・開発者コミュニティの支持を集め、現在主流のディープラーニングフレームワークのスタンダードな方式として広く採用され、ディープラーニング技術の発展を加速させる一翼を担った。

しかし近年、フレームワークが成熟したことで、ディープラーニングフレームワークそのものが開発の競争力となっていた時代は終わりを迎えつつある。細かい差異による差別化競争を継続するよりも、ディープラーニングユーザーが選ぶディープラーニングフレームワークにおいてコミュニティを継続的に発展させ、ディープラーニング技術のさらなる進化に向けて健全なエコシステムを築いていくことが重要だ、とPFNはリリース上でコメントしている。

PFNのディープラーニングの研究開発基盤をPyTorchに移行

こうした状況を受け、PFNはディープラーニングの研究開発基盤をChainerの開発思想に最も近いPyTorchに移行。

PyTorchをChainerの開発思想に最も近いとする理由として、具体的には、Define by Runの思想を早くから採用したこと、書き方が近いことするPyTorchの設計や実装（特に自動微分機能）に、Chainerを含む先行OSSが影響を与えたことはPyTorchの論文でも言及されている（同社広報）。

参考：
Automatic differentiation in PyTorch
PyTorch: An Imperative Style, High-Performance Deep Learning Library

Facebookを含む熱心な開発者コミュニティを擁するPyTorchは、近年、ディープラーニングの学術論文に最も頻繁に用いられているオープンソースのディープラーニングフレームワークのひとつとなっている。

PyTorchに移行することで、既存のChainer資産を活用しつつ、最新の研究成果を効率的に取りこむなどして、自らの研究開発を加速することが可能となる。今後、PFNはFacebookのPyTorch開発チームやオープンソースコミュニティと密接に連携しながら、PyTorchの開発に貢献するとともに、自社で開発するディープラーニングプロセッサMN-CoreのPyTorchサポートなどを推進していく、としている。

FacebookのAIインフラバイスプレジデントであるBill Jia氏、Toyota Research Institute （TRI）CEOのGill Pratt氏は以下のようにコメントしている。

ONNXでの立ち位置は？

また、異なるディープラーニングフレームワーク間でAIモデルの相互運用性の実現を図る取り組みである「ONNX（外部サイト）」でのChainerの立ち位置についての回答は以下。

Source：
Preferred Networks、ディープラーニングの研究開発基盤をPyTorchに移行
Chainer/CuPy v7のリリースと今後の開発体制について

※2019年12月5日18:20　広報からの回答を追記。