推动深度学习发展有5 个主力框架。这些框架使数据科学家和工程师更容易为复杂问题构建深度学习解决方案, 并执行更复杂的任务。这只是众多开源框架中的一小部分, 由不同的科技巨头支持, 并相互推动更快创新。
(1) TensorFlow (Google)
自2015 年底以来, TensorFlow 的库已正式在GitHub 上开源, 被广泛应用于学术研究和工业应用。一些值得注意的当前用途包括Deep Speech, RankBrain, SmartReply 和On-Device Computer Vision。可以在TensorFlow 的GitHub 项目中查看一些最佳官方用途、研究模型、示例和教程。
(2) Theano(蒙特利尔大学)
Theano 是蒙特利尔大学蒙特利尔学习算法小组开发的一个开源项目。其一些最突出的特性包括GPU 的透明使用, 与NumPy 紧密结合, 高效的符号区分, 速度/稳定性优化以及大量的单元测试。但是, 2017 年11 月开始不再积极维护。原因在于Theano 多年来推出的大部分创新技术现在已被其他框架所采用和完善。
(3) Torch(NYU/Facebook)
Torch 是Facebook 的开源机器学习库、科学计算框架和基于Lua 编程语言的脚本语言。它提供了广泛的深度学习算法, 并已被Facebook、IBM、Yandex 和其他公司用于解决数据流的硬件问题。
(4) PyTorch(Facebook)
PyTorch 在学术研究者中很受欢迎, 也是相对比较新的深度学习框架。Facebook 人工智能研究组开发了PyTorch 以应对一些在前任数据库Torch 使用中遇到的问题。由于编程语言Lua 的普及程度不高, Torch 永远无法经历Google TensorFlow 那样的迅猛发展。因此, PyTorch 采用已经为许多研究人员、开发人员和数据科学家所熟悉的原始Python 命令式编程风格。同时它还支持动态计算图, 这一特性使得其对时间序列以及自然语言处理数据相关工作的研究人员和工程师很有吸引力。
(5) Caffe (UC Berkeley)
Caffe 是一个兼具表达性、速度和思维模块化的深度学习框架。由伯克利人工智能研究小组和伯克利视觉和学习中心开发。虽然其内核是用C++编写的, 但Caffe 有Python 和Matlab 相关接口。
( 编译自: https://heartbeat.fritz.ai/the-5-deep-learning-frameworks-every-serious-machine-learner-should-be-familiar-with-93f4d469d24c; https://www.leiphone.com/news/201804/eqPWoX8XgM5x611d.html)
(本刊讯)
|
