1。<强>常见的深度学习框架简介
<强>名称
<强>诞生
<>强优点
<强>缺点
<强>评价
<强>项目地址
<强> PyTorch
2017年1月,Facebook
前身2002年诞生纽约大学的火炬
简洁:张量→→变量神经网络。模组
速度:
易用:
活跃的社区
<强> Theano
2008年蒙特利尔大学丽莎python库
奠定了基本设计方向:以计算图为框架核心,采用GPU加速计算
难调试,构建图慢
停止开发,不建议研究
<强> TensorFlow
2015年,谷歌
python c++
基于计算图实现自动微分系统
在臂架构上编译和优化
系统设计复杂
频繁变动接口
接口设计难懂
文档混乱
不完美但最流行,社区强大,适合生产环境https://github.com/tensorflow/tensorflow
<强> Keras
高层神经网络python API
支持快速实验
屏蔽后端的差异性,提供一致的用户接口
过度封装
程序缓慢
入门简单,不够灵活,使用受限https://keras.io/
<强>咖啡/Caffe2
c++
简洁快速,易用
全平台支持
缺少灵活性
文档不够完善,性能优异,全平台支持,适合生产环境
https://caffe.berkeleyvision.org/https://caffe2.ai/
<强> MXNet
2014
亚马逊李沐
分布式支持,内存,显存优化
AWS云平台
接口文档不够完善
文档混乱,分布式性能强大,语言支持最多,适合AWS云平台使用https://mxnet.incubator.apache.org/
<强> CNTK
2015年微软公司
社区不够活跃,性能突出,擅长语音方面的相关研究
<强> PaddlePaddle
百度
<强> CyNet
CMU开发
<强> Tiny-dnn
c++ 11标准
<强> Deeplearning4J
Java文档优秀
<强> Nervana
国米
<强> DSSTNE
亚马逊
<强> CoreML
<强> MDL
2。<强> ONNX标准
Facebook和微软,推出开放的神经网络交换(ONNX,开放神经网络交换)格式,一个用于表示深度学习模型的标准,可使模型在不同框架之间进行转移。
