想请大家谈谈几个深度学习框架的使用方面的理解?
几个常用深度学习框架
Tensorflow、pytorch、caffe、keras 。。。
-
1
2个月前 -
基础学习中。入门感觉很难。不要呗专业名词吓住。需要有技术的带着。
2个月前 -
最初tensorflow1.0以下版本是静态图机制,每次定义网络,调试非常麻烦。后来有了keras,keras对tensorflow的底层api进行了一系列封装(仅指tensorflow-backend),提高了易用性,深度神经网络定义更加方便,但是由于高度封装,可能灵活性不如原生tensorflow;tensorflow 1.0之后吸收了keras,可以直接在tensorflow中导入keras,使用keras api,非常方便,吐槽一下,tensorflow版本迭代太快,很多api非常混乱。pytorch在学术界使用非常广泛,已经超过了tensorflow(毕竟mxnet创始人都去教pytorch了),pytorch基于动态图机制,定义网络也非常方便,不过似乎现在工业界还是使用tf居多,毕竟静态图效率较高?caffe基本上算是没落了,现在用的人应该非常少了,毕竟连facebook都用pytorch去了。其实国内baidu开发的paddlepaddle框架也非常不错,用了都说好,可惜用的人也不多。
2个月前 -
个人理解,如有错误请纠正。
Tensorflow目前主要在工业级领域处于领先地位,适合深度学习和人工智能领域的开发者进行使用。
Pytorch目前主要在学术研究方向领域处于领先地位,可以使用强大的GPU加速的Tensor计算,代码很简洁、易于使用。
Keras是在Tensorflow的基础上再次集成的;所以,他的代码会更加简洁方便,适于初学者;但因为它是在Tensorflow的框架上再次封装的,那么运行速度肯定就没有Tensorflow快了。
Caffe 是用于特征抽取的卷积框架,可读性高,现有的CNN模型中速度最快。2个月前 -
一句话点评:
TensorFlow:不完美但最流行的深度学习框架,社区强大,适合生产环境
pytorch:简洁易于阅读,速度快,易用设计最符合人们的思维,活跃的社区,适合研究
Caffe/Caffe2:文档不够完善,但性能优异,几乎全平台支持(Caffe2),适合生产环境
Keras:入门最简单,但是不够灵活,使用受限
MXNet:文档略混乱,但分布式性能强大,语言支持最多,适合AWS云平台使用
CNTK:社区不够活跃,但是性能突出,擅长语音方面的相关研究
2个月前 -
caffe与pytorch是由facebook开发。Tensorflow的社区非常友好庞大,对于初学者来说遇到问题很容易找到解决方案。
keras是比较简单易学的,高封装性。torch是动态图计算,其余三种是静态图计算,需要先定义再使用。Tensorflow的部署比较方便,可以使用C++或者python或者前端的JS。
2个月前
1我评论我自己