開源，顧名思義，指的是開放源代碼。開放意味著任何人都可以自由閱讀每一行代碼，這給開發(fā)者無形中提出了很高的要求。

個人開發(fā)者或者小團隊往往沒有“我的代碼是要給別人看的”的意識，而是習慣于自說自話。人們在網上聊天時尚且能夠注意言辭，但在將自己的代碼開源時往往忽略了別人的感受。就以往的經歷來看，許多團隊將開源變成了任務，為了開源而開源，一手復制粘貼就把自己那套沒什么注釋和說明文檔的代碼扔到開源平臺上。這些代碼作者對于有人提問代碼細節(jié)常常不予回復，而如果指出了代碼漏洞，有禮貌的尚且能感謝并修補，更多的是石沉大海，討論也就沉寂了。

因此開發(fā)者大抵需要意識到，開源一方面是為了讓他人更好的學習，另一方面也是為了吸收他人的合理意見而改進代碼。一個代碼量稍大的項目或多或少都存在bug，被指出了問題至少說明有人在認真閱讀代碼，這也是工作被認可的標志。

就SpikingJelly的開發(fā)經歷而言，早期的框架是非常不完善的，代碼倉庫也無人問津。這時候的框架還停留在僅依靠“托管代碼”來進行版本管理的階段。當時的框架定位在自用，完全忽略了社區(qū)的存在。使我們態(tài)度發(fā)生轉變的是，在開源一段時間后，我們注意到了另一個功能定位完全類似的框架，其開發(fā)者是同一科研領域的科研人員。他們的人手非常少，只有兩個來自不同國家的開發(fā)者主導開發(fā)，最初開源的時間也與我們很接近。不同的是，他們已經累積了一定量的用戶，這些用戶基本也是來自同一領域的科研人員，以及一部分正在觀望學習，想要進入這個研究領域的新生血液。這讓我們開始思考：開源框架是給誰看的？亦即目標用戶群體究竟是誰。一個基于科研用途的框架要求使用者至少擁有基本的領域知識，這樣的門檻實際上已經把目標用戶刻畫得十分清楚了?；诖?，在開發(fā)時，代碼各個模塊的功能與科研中的研究對象必須有非常清晰的對應關系，不然本領域人員都無法理解的話，就不可能再有人來使用了。我們重構了代碼的層次，使得這個映射關系更清晰，同時也開始撰寫文檔，提供一些簡單的范例。

經過這次重構之后，的確出現了少數人來關注開源倉庫，不過也僅此而已。沒有人真正使用起來，同時我們也注意到，有不少研究者在關注我們的框架時，使用著國外的同期開發(fā)的框架。于是我們又提出了問題：我們的框架有什么優(yōu)勢？就問問題提出的當時，我們無法作答。因此必須設法給框架制造一個亮點。這也是迄今為止我們一直在努力的方向。

對于基礎性的編程框架而言，不同的框架往往側重不同，框架功能的多寡往往也與領域自身的發(fā)展息息相關。回顧TensorFlow和PyTorch這兩個深度學習框架的發(fā)展史，我們能夠清晰的觀察到性能與編程友好性這兩個指標之間的權衡貫穿始終。深度學習社區(qū)中不少人也同時使用兩種框架并貢獻代碼，這使得兩者能夠互相借鑒，吸收對方的優(yōu)秀功能。我們也大概會遵照類似的路線，在打造自身亮點的同時，吸收現有其它框架的成功經驗。

作為一個小規(guī)模團隊，我們的開源之路道阻且長，需要時間檢驗我們的路線是否正確并不斷修正。也期待能有同領域的科研工作者通過OpenI發(fā)現與試水，為科研領域傾注源源不斷的動力。

作者：陳彥騏