1. 常见的深度学习框架简介
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/
免责声明：本站发布的内容（图片、视频和文字）以原创、转载和分享为主，文章观点不代表本网站立场，如果涉及侵权请联系站长邮箱：is@yisu.com进行举报，并提供相关证据，一经查实，将立刻删除涉嫌侵权内容。
