- 前言
- 一、Theano
- 二、Tensorflow
- 三、MXNet
- 四、keras
- 五、PyTorch
- 六、Caffe
- 总结
前言
做一下几个著名的深度学习的框架笔记
深度学习开发的基本框架：以计算图为框架的核心，采用GPU加速计算
一、Theano
特点：第一个python的深度学习框架，为学术研究而做
已退出历史舞台
二、Tensorflow
推出方： 谷歌
特点：基于计算图实现自动微分系统
优点：能打大型集群上工作，功能强大，支持各服务器和移动设备；支持包括python、R、java等语言
缺点：版本不兼容；系统设计复杂，总代码约100万行；一个功能有多种实现方式，质量良莠不齐；图静态，不利于扩展
github：https://github.com/tensorflow/tensorflow
三、MXNet
推出方： 亚马逊
优点：分布性能更优，占更小的内存和显存；支持包括python、R、java等语言；适合云平台
缺点：接口档案不完善，框架更新迭代快，代码更新速度跟不上
主页：https://mxnet.incubator.apache.org/
备注：不适合新手
四、keras
特点：高层神经网络API，纯python
优点：容易上手
缺点：封装过度，速度慢，debug难，灵活性低
备注：不适合新手学习
主页：https://keras.io
五、PyTorch
特点：python优先的深度学习框架，GPU加速
优点：社区活跃，保证可持续性；可扩展；动态图；简洁易用
主页：http://pytorch.org
六、Caffe
特点：基于C++的深度学习框架
优点：清晰易读，容易上手；
缺点：不能多机、跨平台、可扩展性差；需要安装大量依赖库，涉及版本冲突；
备注：升级版Caffe2优化了运行速度、跨平台、可扩展性，设计上与TensorFlow像
主页：Caffe: http://caffe.berkeleyvision.org
Caffe2: https://caffe2.ai
总结
比较常用的框架是TensorFlow和PyTorch.
ref：
