经验 | 读者分享深度学习框架使用体会

Posted 2021-04-29 深度学习每日摘要

读者1:

theano, 非常自由，没有预置的训练器，梯度需要自己处理。tensorflow，好用，但是api有点怪怪的。。。minpy, 基于mxnet的numpy代理，把numpy中可以用mxnet进行加速的操作都进行加速同时保持和numpy的兼容。这是我心中认为最理想的命令式图编译引擎的形式，可惜没有大公司支持，做的不好。 pytorch，没有用过，但基于torch的流行度我觉得它有可能是目前最好的命令式引擎 chainer，只用过一次，没太多感觉。 keras，如果有些东西keras能做但是不去用，我觉得简直是罪恶。可惜现在网络结构越来越复杂，keras也开始不好应对了。 个人觉得命令式引擎才是未来。还有黑科技就是用keras定义计算图，但是训练过程用tensorflow的低层api来做，这种做法对于某些要对梯度施加特殊操作的算法（比如确定性策略梯度或者A3C算法）特别有用训练过程不受keras的优化器限制。。。

读者2:

我学过keras，和tf。keras搭建模型简单，但不便于修改网络的底层代码。tf稍微复杂点，但是比较灵活

读者3:

DL4j，正在学习中

读者4:

垃圾caffe，TensorBoard is awesome.其实全都用过，MXNet不能pip install是挺烦的。Caffe现在更新全靠community，多是科研工作者和一些伯克利的学生。更新慢，文档落后，在公司层面应用产生的issue难以在issue list里面找到答案。必须自己debug，看source code。Python interface只支持部分功能，简单原型还可以，复杂的就不行了。Python版和cpp版有不一致的行为。比如Python读图片用skimage，c++用opencv，且读入的像素值差很多

读者5:

convnet，特别直观，迅速从底层到高层，逐层掌握， caffe，跑图像很好用，只要不大改，应用还是很容易的， tensorflow，底层不怎么看了，加上keras以后，感觉自己在搭积木[捂脸]

读者6:

theano，特别好用，适合高级用户

读者7:

keras 非常好使。

读者8:

用过tensorflow

读者9:

用过theano和TensorFlow，theano很灵活，但是不支持多卡。TensorFlow支持多卡，社区很强大，文档较丰富，但是源码几天一个样，完全赶不上变化。不知道开发者到底想怎样

题图：begging

欢迎在下方继续留言分享你的深度学习框架使用心得。