【Python基礎(chǔ)知識(shí)】深度學(xué)習(xí)主流框架匯總

目前是人工智能的時(shí)代，國(guó)內(nèi)外像Google、微軟、FaceBook、百度和華為等巨頭公司紛紛投入較大的資源進(jìn)行深度學(xué)習(xí)框架的研發(fā)和應(yīng)用的拓展。表1列出了github上流行的深度學(xué)習(xí)框架的星數(shù)。

表1 github上流行的深度學(xué)習(xí)框架的星數(shù)

下面有側(cè)重地介紹一下上表中列出的一些深度學(xué)習(xí)框架。

(一)TensorFlow

TensorFlow是用C++語(yǔ)言開(kāi)發(fā)的，支持C、Java、Python等多種語(yǔ)言的調(diào)用，目前主流的方式通常會(huì)使用Python語(yǔ)言來(lái)驅(qū)動(dòng)應(yīng)用。這一特點(diǎn)也是其能夠廣受歡迎的原因。利用C++語(yǔ)言開(kāi)發(fā)可以保證其運(yùn)行效率，Python作為上層應(yīng)用語(yǔ)言，可以為研究人員節(jié)省大量的開(kāi)發(fā)時(shí)間。

TensorFlow相對(duì)于其他框架有如下特點(diǎn)。

1、靈活

TensorFlow與CNTK、MXNET、Theano同屬于符號(hào)計(jì)算構(gòu)架，允許用戶在不需要使用低級(jí)語(yǔ)言(如在Caffe中)實(shí)現(xiàn)的情況下，開(kāi)發(fā)出新的復(fù)雜層類型�；�于圖運(yùn)算是其基本特點(diǎn)，通過(guò)圖上的節(jié)點(diǎn)變量可以控制訓(xùn)練中各個(gè)環(huán)節(jié)的變量，尤其在需要對(duì)底層操作時(shí)，TensorFlow要比其他框架更容易。當(dāng)然它也有缺點(diǎn)，靈活的操作會(huì)增加使用復(fù)雜度，從而在一定程度上增加了學(xué)習(xí)成本。

2、便捷、通用

作為主流的框架，TensorFlow生成的模型，具有便捷、通用的特點(diǎn)，可以滿足更多使用者的需求。TensorFlow可以適用于Mac、Linux、Windows系統(tǒng)上開(kāi)發(fā)。其編譯好的模型幾乎適用于當(dāng)今所有的平臺(tái)系統(tǒng)，并提滿足“開(kāi)箱即用”的模型使用理念，使模型應(yīng)用起來(lái)更簡(jiǎn)單。

3、成熟

由于TensorFlow被使用的情況最多，所以其框架的成熟度絕對(duì)是第一的。在Google的白皮書(shū)上寫(xiě)道，Google內(nèi)部有大量的產(chǎn)品幾乎都用到了TensorFlow，如搜索排序、語(yǔ)音識(shí)別、谷歌相冊(cè)和自然語(yǔ)言處理等。有這么多在該框架上的成功案例，先不說(shuō)能夠提供多少經(jīng)驗(yàn)技巧，至少可以確保學(xué)習(xí)者在研究的道路上，遇到挫折時(shí)不會(huì)懷疑是框架的問(wèn)題。

4、超強(qiáng)的運(yùn)算性能

雖然TensorFlow在大型計(jì)算機(jī)集群的并行處理中，運(yùn)算性能僅略低于CNTK，但是，其在個(gè)人機(jī)器使用場(chǎng)景下，會(huì)根據(jù)機(jī)器的配置自動(dòng)選擇CPU或GPU來(lái)運(yùn)算，這方面做得更加友好與智能化。

(二)Caffe

當(dāng)年深度學(xué)習(xí)的老大。最初是一個(gè)強(qiáng)大的圖像分類框架，是最容易測(cè)試評(píng)估性能的標(biāo)準(zhǔn)深度學(xué)習(xí)框架，并且提供很多預(yù)訓(xùn)練模型，尤其該模型的復(fù)用價(jià)值在其他框架的學(xué)習(xí)中都會(huì)出現(xiàn)，大大提升了現(xiàn)有模型的訓(xùn)練時(shí)間。但是現(xiàn)在的Caffe似乎停滯不前，沒(méi)有更新。盡管Caffe又重新掘起，從架構(gòu)上看更像是TensorFlow，而且與原來(lái)的Caffe也不在一個(gè)工程里，可以獨(dú)立成一個(gè)框架來(lái)看待，與原Caffe關(guān)系不大。

(三)CNTK

CNTK是一個(gè)微軟開(kāi)發(fā)的深度學(xué)習(xí)軟件包，以速度快著稱，有其獨(dú)有的神經(jīng)網(wǎng)絡(luò)配置語(yǔ)言Brain Script，大大降低了學(xué)習(xí)門檻。有微軟作為后盾，CNTK成為了最具有潛力與Tensor Flow爭(zhēng)奪天下的框架。但目前其成熟度要比TensorFlow差太多，即便是發(fā)行的版本也會(huì)有大大小小的bug。與其他框架一樣，CNTK具有文檔資料不足的特點(diǎn)。但其與Visual Studio的天生耦合，以及其特定的MS編程風(fēng)格，使得熟悉Visual Studio工具的小伙伴們從代碼角度極易上手。另外，CNTK目前還不支持Mac操作系統(tǒng)。