2018年深度学习框架哪家强？

Posted 2021-04-29 人工智能学前班

孙悟空这样的好身手都能想到要去东海龙宫搞个金箍棒，对于AI爱好者，自然也是需要选择一件称手的兵器才行。来自Microsoft的帅哥Ilia Karmanov就帮大家做了这样的事(https://github.com/ilkarman/DeepLearningFrameworks)。

                                

Results (24 Nov 2017)

Training CNN (VGG-style) on CIFAR-10 - Image Recognition

DL Library	Test Accuracy (%)	Training Time (s)
MXNet	77	145
Caffe2	79	148
Gluon	76	152
Knet(Julia)	78	159
Chainer	79	162
CNTK	78	163
PyTorch	78	169
Tensorflow	78	173
Keras(CNTK)	77	194
Keras(TF)	77	241
Lasagne(Theano)	77	253
Keras(Theano)	78	269

Training RNN (GRU) on IMDB - Natural Language Processing (Sentiment Analysis)

DL Library	Test Accuracy (%)	Training Time (s)	Using CuDNN?
MXNet	86	29	Yes
Knet(Julia)	85	29	Yes
Tensorflow	86	30	Yes
Pytorch	86	31	Yes
CNTK	85	32	Yes
Keras(TF)	86	35	Yes
Keras(CNTK)	86	86	No Available

Inference ResNet-50 (Feature Extraction)

DL Library	Images/s GPU	Images/s CPU
Knet(Julia)	160	2
Tensorflow	155	11
PyTorch	130	6
MXNet	130	8
MXNet(w/mkl)	129	25
CNTK	117	8
Chainer	107	3
Keras(TF)	98	5
Caffe2	71	6
Keras(CNTK)	46	4
ONNX_Caffe2
ONNX_MXNet

看了一堆表格，估计已经晕菜了，更不知道选哪个了？

呵呵，其实没有看明白没有关系，按大领导的常用话来说，我不关心过程，我只关注结论。

结论就是：在特征提取上面Tensorflow（背后金主谷歌 Google ）更胜一筹，MXNet（背后金主亚马逊Amazon）在CNN上速度较快，RNN大家差不多。2018我们选择Tensorflow。

其实关注AI界发展动态的知道，在刚刚过去的12月13号，谷歌云首席科学家李飞飞（不知道可以去网易公开课搜下《如何教计算机理解图片》TED演讲）在上海开幕的谷歌开发者大会上宣布谷歌 AI 中国中心正式，相信在Google这样有理想有远见的公司支持下，Tensorflow将会更快的发展和普及。

最后，选择好了Tensorflow后，后面我们将会有一系列课程带大家走入其中。

对于其他学有余力或者有好奇心的可以看看后面其他框架简单介绍，这样以后也可以和别人吹牛时或者别人吹牛时你也能略懂一二。

1）金主脸书 (Facebook) 旗下：PyTorch（这个支持Python，取代之前有个基于小众语言Lua的Torch ），Caffe2（之前学术界广泛使用的Caffe目前基本被Caffe2取代）

2）Yoshua Bengio 于 2017 年 09月宣布不再维护：Theano

3）微软出品：CNTK

4）百度的深度学习框架：Paddle

目前有人推荐前端用Keras，后端用TF或CNTK，或者推荐前端用Gluon（亚马逊和微软2017年10月联合推出），后端用MXNet，或者CNTK。目前Tensorflow中已经集成了Kearas，可以直接使用。