4款深度学习框架简介，初学者该如何选择？
导读：近几年，随着深度学习爆炸式发展，在人工智能领域除了理论方面的突破外，还有基础架构的突破，它们奠定了深度学习繁荣发展的基础。这其中涌现了几个著名的深度学习平台，本文将对这些平台进行逐一介绍。
作者：杜振东 涂铭
来源：大数据DT（ID：hzdashuju）
-
总结：深度学习新手可以使用Theano来练习，但对于职业开发者，建议使用其他主流深度学习框架。
-
由于TensorFlow的接口一直处于快速迭代之中，并且版本之间存在不兼容的问题，因此开发和调试过程可能会出现问题（许多开源代码无法在新版的TensorFlow上运行）。 -
想学习TensorFlow底层运行机制的读者需要做好心理准备，TensorFlow在GitHub代码仓库的总代码量超过100万行，系统设计比较复杂，因此这将是一个漫长的学习过程。 -
在代码层面，面对同一个功能，TensorFlow提供了多种实现，这些实现良莠不齐，使用中还有细微的差异，请读者注意区分。另外，TensorFlow创造了图、会话、命名空间、PlaceHolder等诸多抽象概念，对普通用户来说难以理解。
-
总结：凭借Google强大的推广能力，TensorFlow已经成为当今最炙手可热的深度学习框架，虽不完美但是最流行。目前各公司使用的框架也不统一，读者有必要多学习几个流行框架以作为知识储备，TensorFlow就是一个不错的选择。
-
总结：Keras比较适合作为深度学习框架，但是过度的封装并不适合新手学习（无法理解深度学习的真正内涵），故不推荐。
-
使用强大的GPU加速的Tensor计算（类似 Numpy）。 -
构建基于tape框架的autograd系统深度神经网络。
-
总结：如果说TensorFlow的设计是“Make it complicated”，Keras的设计是“Make it complicated and hide it”，那么PyTorch的设计真正做到了“Keep it Simple，Stupid”。
关于作者：杜振东，国家标准委人工智能技术专家和AIIA（中国人工智能产业发展联盟）技术专家。拥有8年机器学习与文本挖掘相关技术经验，6年中文自然语言处理相关项目实战经验，擅长PyTorch、TensorFlow等主流深度学习框架，擅长运用NLP前沿技术解决真实项目的难题。
涂铭，数据架构师和人工智能技术专家，曾就职于阿里，现就职于腾讯。对大数据、自然语言处理、图像识别、Python、Java等相关技术有深入的研究，积累了丰富的实践经验。
干货直达👇
评论