1. 常见的深度学习框架简介
让客户满意是我们工作的目标,不断超越客户的期望值来自于我们对这个行业的热爱。我们立志把好的技术通过有效、简单的方式提供给客户,将通过不懈努力成为客户在信息化领域值得信任、有价值的长期合作伙伴,公司提供的服务项目有:国际域名空间、网页空间、营销软件、网站建设、龙岗网站维护、网站推广。名称 | 诞生 | 优点 | 缺点 | 评价 | 项目地址 |
PyTorch | 2017年1月,Facebook 前身2002年诞生纽约大学的Torch | 简洁:tensor->variable->nn.Moudle 速度: 易用: 活跃的社区 | |||
Theano | 2008年蒙特利尔大学LISA 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 | |
TensorFlow | 2015年,Google Python C++ | 基于计算图实现自动微分系统 在ARM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 |
Keras | 高层神经网络API Python | 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/ |
Caffe/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/ |
MXNet | 2014 Amazon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/ |
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 | |||
PaddlePaddle | 百度 | ||||
CyNet | CMU开发 | ||||
Tiny-dnn | C++11标准 | ||||
Deeplearning4J | Java | 文档优秀 | |||
Nervana | Inter | ||||
DSSTNE | Amazon | ||||
CoreML | |||||
MDL |
2. ONNX标准
Facebook和微软,推出Open Neural Network Exchange(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。
https://github.com/ritchieng/the-incredible-pytorch
https://discuss.pytorch.org/
另外有需要云服务器可以了解下创新互联cdcxhl.cn,海内外云服务器15元起步,三天无理由+7*72小时售后在线,公司持有idc许可证,提供“云服务器、裸金属服务器、高防服务器、香港服务器、美国服务器、虚拟主机、免备案服务器”等云主机租用服务以及企业上云的综合解决方案,具有“安全稳定、简单易用、服务可用性高、性价比高”等特点与优势,专为企业上云打造定制,能够满足用户丰富、多元化的应用场景需求。