深度學(xué)習(xí)框架對(duì)比

原地址:https://www.leiphone.com/news/201702/T5e31Y2ZpeG1ZtaN.html

目前主流的的深度學(xué)習(xí)框架

主流深度學(xué)習(xí)框架包括Tensorflow、Caffe描姚、Keras戈次、CNTK、Torch7绊寻、MXNet、Leaf冰蘑、Theano村缸、Deeplearning4、Lasagne仇箱、Neon等等索烹。
各個(gè)開(kāi)源框架在 GitHub 上的數(shù)據(jù)統(tǒng)計(jì)
目前主流的深度學(xué)習(xí)平臺(tái)均支持Python接口。
可以看出其中Tensorflow在關(guān)注度和用戶(hù)數(shù)上占據(jù)絕對(duì)優(yōu)勢(shì)渊额。這里簡(jiǎn)單介紹下Tensorflow平臺(tái)垒拢。

Tensorflow

  • 高階機(jī)器學(xué)習(xí)庫(kù),核心代碼用C++實(shí)現(xiàn)奔垦,核心代碼提供C++接口尸疆,具有Python、Go犯眠、Java接口症革,通過(guò)SWIG實(shí)現(xiàn)。
  • 支持自動(dòng)求導(dǎo)量蕊。
  • TensorFlow 也有內(nèi)置的 TF.Learn 和 TF.Slim 等上層組件可以幫助快速地設(shè)計(jì)新網(wǎng)絡(luò),并且兼容 Scikit-learn estimator 接口艇挨,可以方便地實(shí)現(xiàn) evaluate、grid search吉殃、cross validation 等功能
  • 數(shù)據(jù)并行模式

TensorFlow 有獨(dú)立的 Variable node,不像其他框架有一個(gè)全局統(tǒng)一的參數(shù)服務(wù)器,因此參數(shù)同步更自由瓦灶。

  • 靈活的移植性

可以將同一份代碼幾乎不經(jīng)過(guò)修改就輕松地部署到有任意數(shù)量 CPU 或 GPU 的 PC抱完、服務(wù)器或者移動(dòng)設(shè)備上。

  • 極快的編譯速度
  • 可視化組件:TensorBoard

TensorBoard 是 TensorFlow 的一組 Web 應(yīng)用碉怔,用來(lái)監(jiān)控 TensorFlow 運(yùn)行過(guò)程禁添,或可視化 Computation Graph。TensorBoard 目前支持五種可視化:標(biāo)量(scalars)芹啥、圖片(images)铺峭、音頻(audio)、直方圖(histograms)和計(jì)算圖(Computation Graph)傀履。TensorBoard 的 Events Dashboard 可以用來(lái)持續(xù)地監(jiān)控運(yùn)行時(shí)的關(guān)鍵指標(biāo)莉炉,比如 loss、學(xué)習(xí)速率(learning rate)或是驗(yàn)證集上的準(zhǔn)確率(accuracy)梆暮;Image Dashboard 則可以展示訓(xùn)練過(guò)程中用戶(hù)設(shè)定保存的圖片羞福,比如某個(gè)訓(xùn)練中間結(jié)果用 Matplotlib 等繪制(plot)出來(lái)的圖片蚯涮;Graph Explorer 則可以完全展示一個(gè) TensorFlow 的計(jì)算圖,并且支持縮放拖曳和查看節(jié)點(diǎn)屬性张峰。

  • 異構(gòu)性:支持多種硬件平臺(tái)和操作系統(tǒng)
  • 分布式:16塊GPU達(dá)到單塊GPU的15倍性能棒旗,分布式通信基于socket的RPC撩荣,而不是速度更快的RDMA
  • TensorFlow Serving:提供模型的導(dǎo)出功能餐曹,并部署成對(duì)外提供預(yù)測(cè)服務(wù)的RESTful接口敌厘。有了這個(gè)組件,TensorFlow 就可以實(shí)現(xiàn)應(yīng)用機(jī)器學(xué)習(xí)的全流程:從訓(xùn)練模型饱狂、調(diào)試參數(shù)宪彩,到打包模型,最后部署服務(wù).

TensorFlow Serving 是一個(gè)為生產(chǎn)環(huán)境而設(shè)計(jì)的高性能的機(jī)器學(xué)習(xí)服務(wù)系統(tǒng)俊柔。它可以同時(shí)運(yùn)行多個(gè)大規(guī)模深度學(xué)習(xí)模型婆咸,支持模型生命周期管理芜辕、算法實(shí)驗(yàn),并可以高效地利用 GPU 資源侵续,讓 TensorFlow 訓(xùn)練好的模型更快捷方便地投入到實(shí)際生產(chǎn)環(huán)境

最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
  • 序言:七十年代末状蜗,一起剝皮案震驚了整個(gè)濱河市,隨后出現(xiàn)的幾起案子宏邮,更是在濱河造成了極大的恐慌缸血,老刑警劉巖,帶你破解...
    沈念sama閱讀 221,820評(píng)論 6 515
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件飒炎,死亡現(xiàn)場(chǎng)離奇詭異郎汪,居然都是意外死亡,警方通過(guò)查閱死者的電腦和手機(jī)煞赢,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 94,648評(píng)論 3 399
  • 文/潘曉璐 我一進(jìn)店門(mén)照筑,熙熙樓的掌柜王于貴愁眉苦臉地迎上來(lái),“玉大人饭弓,你說(shuō)我怎么就攤上這事媒抠。” “怎么了趴生?”我有些...
    開(kāi)封第一講書(shū)人閱讀 168,324評(píng)論 0 360
  • 文/不壞的土叔 我叫張陵苍匆,是天一觀的道長(zhǎng)。 經(jīng)常有香客問(wèn)我叔汁,道長(zhǎng)检碗,這世上最難降的妖魔是什么? 我笑而不...
    開(kāi)封第一講書(shū)人閱讀 59,714評(píng)論 1 297
  • 正文 為了忘掉前任另假,我火速辦了婚禮怕犁,結(jié)果婚禮上,老公的妹妹穿的比我還像新娘戈轿。我一直安慰自己扶檐,他們只是感情好胁艰,可當(dāng)我...
    茶點(diǎn)故事閱讀 68,724評(píng)論 6 397
  • 文/花漫 我一把揭開(kāi)白布。 她就那樣靜靜地躺著奈梳,像睡著了一般。 火紅的嫁衣襯著肌膚如雪攘须。 梳的紋絲不亂的頭發(fā)上,一...
    開(kāi)封第一講書(shū)人閱讀 52,328評(píng)論 1 310
  • 那天浮驳,我揣著相機(jī)與錄音至会,去河邊找鬼谱俭。 笑死,一個(gè)胖子當(dāng)著我的面吹牛昆著,可吹牛的內(nèi)容都是我干的。 我是一名探鬼主播凑懂,決...
    沈念sama閱讀 40,897評(píng)論 3 421
  • 文/蒼蘭香墨 我猛地睜開(kāi)眼接谨,長(zhǎng)吁一口氣:“原來(lái)是場(chǎng)噩夢(mèng)啊……” “哼!你這毒婦竟也來(lái)了兆解?” 一聲冷哼從身側(cè)響起跑揉,我...
    開(kāi)封第一講書(shū)人閱讀 39,804評(píng)論 0 276
  • 序言:老撾萬(wàn)榮一對(duì)情侶失蹤,失蹤者是張志新(化名)和其女友劉穎历谍,沒(méi)想到半個(gè)月后,有當(dāng)?shù)厝嗽跇?shù)林里發(fā)現(xiàn)了一具尸體印蔬,經(jīng)...
    沈念sama閱讀 46,345評(píng)論 1 318
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡脱衙,尸身上長(zhǎng)有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 38,431評(píng)論 3 340
  • 正文 我和宋清朗相戀三年,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了退唠。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片。...
    茶點(diǎn)故事閱讀 40,561評(píng)論 1 352
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡屎债,死狀恐怖垢油,靈堂內(nèi)的尸體忽然破棺而出,到底是詐尸還是另有隱情滩愁,我是刑警寧澤,帶...
    沈念sama閱讀 36,238評(píng)論 5 350
  • 正文 年R本政府宣布玖瘸,位于F島的核電站檀咙,受9級(jí)特大地震影響,放射性物質(zhì)發(fā)生泄漏蔑匣。R本人自食惡果不足惜,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 41,928評(píng)論 3 334
  • 文/蒙蒙 一裁良、第九天 我趴在偏房一處隱蔽的房頂上張望校套。 院中可真熱鬧,春花似錦侨把、人聲如沸妹孙。這莊子的主人今日做“春日...
    開(kāi)封第一講書(shū)人閱讀 32,417評(píng)論 0 24
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽(yáng)。三九已至笨触,卻和暖如春,著一層夾襖步出監(jiān)牢的瞬間,已是汗流浹背葱跋。 一陣腳步聲響...
    開(kāi)封第一講書(shū)人閱讀 33,528評(píng)論 1 272
  • 我被黑心中介騙來(lái)泰國(guó)打工, 沒(méi)想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留娱俺,地道東北人。 一個(gè)月前我還...
    沈念sama閱讀 48,983評(píng)論 3 376
  • 正文 我出身青樓模庐,卻偏偏與公主長(zhǎng)得像掂碱,于是被迫代替她去往敵國(guó)和親。 傳聞我的和親對(duì)象是個(gè)殘疾皇子疼燥,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 45,573評(píng)論 2 359

推薦閱讀更多精彩內(nèi)容