如何选择深度学习框架 TensorFlow/Torch/Mxnet/Theano

Posted 2023-03-29

　　深度学习目前的应用领域很多，主要是计算机视觉和自然语言处理，以及各种预测等。对于计算机视觉，可以做图像分类、目标检测、视频中的目标检测等，对于自然语言处理，可以做语音识别、语音合成、对话系统、机器翻译、文章摘要、情感分析等。
　　对于刚入行深度学习，想从事人工智能工业应用和研发的小白来说，选择一个适合自己的深度学习框架显得尤为重要。那么在选择深度学习框架的时候，要注意哪些内容呢?
　　通常我们在选择框架时要考虑易用性、性能、社区、平台支持等问题。初学者应该考虑容易上手的框架，偏工业应用的开发者可以考虑使用稳定性高、性能好的框架，偏研究性的开发者，一般选择易用而且有领先的模型基线的框架。
　　目前这个阶段，TensorFlow因为背靠谷歌公司这座靠山，再加上拥有庞大的开发者群体，而且采用了称为“可执行的伪代码”的Python语言，成为最受欢迎的主流框架之一。一些外围的第三方库(如Keras、TFLearn)也基于它实现了很多成果，Keras还得到TensorFlow官方的支持。TensorFlow支持的上层语言也在逐渐扩大，对于不同工程背景的人转入的门槛正在降低。
　　因此，对于刚入行深度学习的小白，TensorFlow是一个非常好的选择，掌握TensorFlow对以后的求职发展很有帮助。
　　为了让大家更快地掌握深度学习技术，成为人工智能领域高端人才，中公教育联合中科院自动化研究所专家，强力推出人工智能《深度学习》，让大家学有所成、真正掌握机器学习模型以及算法背后的原理。 参考技术A DeepMind宣布采用谷歌开源的深度学习框架TensorFlow，不再采用Torch框架。Torch 诞生时间较久，直到去年Facebook 开源了大量Torch的深度学习模块才开始流行起来。
DeepMind是谷歌并购的一家AI公司，今年因AlphaGo以4:1的成绩战胜了韩国围棋大师李世石而名声大噪。除此以外，谷歌还有规模更大的Google Brain团队。
除了上述2个深度学习框架，GitHub 还有其他3个开源框架值得关注：
1、Caffe：源自加州伯克利分校的Caffe，由C++开发。雅虎今年2月份开源的CaffeOnSpark, 就是基于 Caffe，还有能够优化迭代工作负载的数据运算系统 Spark （它是对 Hadoop 的补充，可以在 Hadoop 文件系统中并行运行）。雅虎所做的只是创建了一个可以在Spark集群上运行Caffee的方法。它可以单独在Spark上运行，或者在 Hadoop上。Feng说，除了让AI开发人员更方便的使用相似工具、避免来回移动数据外，CaffeOnSpark还将在众多服务器中分发深度学习进程变得相对容易，而这正是谷歌开源版本的TensorFlow做不到的。
2、Deeplearning4j：Deeplearning4j 是”for Java”的深度学习框架，由创业公司Skymind于2014 年6月发布，可与Hadoop和Spark集成，即插即用，方便开发者在APP中快速集成深度学习功能。该学习框架成熟度较高，可以直接面向商用。
3、Brainstorm：来自瑞士人工智能实验室IDSIA 的一个深度学习软件包，Brainstorm 能够处理上百层的超级深度神经网络——Highway Networks。
其他还有Theano、Chainer、Marvin、Neon、ConvNetJS等都出自创业公司、AI个人爱好者或大学项目组，未来被广泛应用的可能性较小。
建议AI爱好者重点学习TensorFlow、Caffe和Torch，同时关注Deeplearning4j和Brainstorm的更新，而不必在一些并不成熟的框架上花费太多时间。本回答被提问者采纳

如何选择深度学习框架

1.为什么需要深度学习框架

复杂的深度学习算法模型很难通过原始的代码进行重构实现，有了框架能够方便研发人员快速实现模型，同时能够让神经网络结构代码更简洁，执行效率更高。

因为大多数深度学习框架采用开源项目开发，很多功能被不断优化，使用更便捷高效。

2.目前有哪些深度学习框架

深度学习研究的热潮持续高涨，目前深度学习框架很多如TensorFlow,Caffe,MXNet，Paddlepaddle等，大多数框架最开始都是在高校和公司在研究时产生，如美国的Google,微软，Facebook，伯克利大学还有中国的百度都在推行自己的深度学习框架（平台）。目前的深度学习主要框架有如下统计：

3.深度学习框架怎么选

深度学习框架目前有很多种，国内国外都有。吴恩达老师给我们的建议应该考虑三点：

1. 便于编程

   既包括神经网络的开发和迭代，还包括为产品进行配置。

2. 运行速度

   能适应大数据量的快速运算。

3. 框架是否真的开放

   不仅开源，还需要良好的管理。能否值得信任这个框架能够长期保持开源，并得到良好的推进。

其中第三点是不经常提起，却又是非常重要的考虑因素。

• caffe: http://caffe.berkeleyvision.org/

• DeepLearning4J: http://deeplearning4j.org/

• deepmat: https://github.com/kyunghyuncho/deepmat

• Neon: http://neon.nervanasys.com/docs/latest/index.html

• Eblearn: http://eblearn.sourceforge.net/

• PyLearn: http://deeplearning.net/software/pylearn2/

• TensorFlow: https://www.tensorflow.org/

• Theano: http://deeplearning.net/software/theano/

• Torch: http://torch.ch/

• MXnet: http://mxnet.readthedocs.io/en/latest/

• chainer: https://github.com/pfnet/chainer

  
  

参考：

1. deeplearning.ai Coursera 

2. 《TensorFlow实战》

   
   

-end-

小编有话说

AITop100

机器学习领域分享达人