产品中心 当前位置:皇朝至尊主页 > 产品中心 >

该如何选择最适合你的开源框架

  Tensorflow一经开源,顿时惹起了大量开辟者的跟进。Tensorflow普遍支撑包罗图像、手写字、语音识别、预测和天然言语处置等大量功效。TensorFlow遵照Apache 2.0开源和谈。

  CNTK与TensorFlow和Theano有着雷同的设想理念把收集界说成向量操作的语义图,向量操作比方矩阵加法、矩阵乘法以及卷积。同时,CNTK也供给细粒度的收集层设想,答使用户利用它们设想新的庞大收集。

  Theano供给多种支撑手写字识别、图像分类(包罗医学图像)的卷积模子。Theano还供给三维卷积和池化用于视频分类。在言语方面,Theano能胜任比方理解、翻译和天生等天然言语处置使命。Theano还支撑天生匹敌收集(GAN),GAN便是由MILA的一位学生提出的。

  Caffe是贾扬清的作品,目前,贾扬清是Facebook AI平台的Lead。始于2013岁暮,Caffe可能是第一个支流的工业级的深度进修东西包。Caffe拥有杰出的卷积模子,是计较机视觉范畴最受接待的东西之一,且2014年ImageNet 大赛的获奖作品利用的就是Caffe框架。Caffe遵照BSD 2-Clasuse 和谈。在此我向大师保举一个大数据手艺交换圈: 658558542 冲破手艺瓶颈,提拔头脑威力 。

  Torch由Lua言语实现,Lua是一种小众言语,因而若你不相熟这门言语,会影响到整个事情的效率。

  DeepLearning4J(DL4J)是基于Apache 2.0和谈的漫衍式开源神经收集类库,它由Java和Scala实现。DL4J是SkyMind的Adam Gibson开辟的,它是独一的商等第深度进修收集,能够和Hadoop、Spark连系建立多用户多线J是独一利用Map-Reduce锻炼收集而利用其他类库进行大规模矩阵操作的框架。在此我向大师保举一个大数据手艺交换圈: 658558542 冲破手艺瓶颈,提拔头脑威力 。

  TensorFlow在斯坦福大学,伯克利学院,多伦多大学和Udacity(2016年3月建立的在线学校)均有讲授。

  因为是由Java实现,DL4J天赋比Python块,它利用多GPU施行图像识别使命和Caffe一样快。该框架能够超卓完成图像识别,敲诈检测和天然言语处置使命。

  MXNet支撑CNN、RNN、LSTM, 供给对图像,手写字,语音识别,预测和天然言语问题的壮大支撑。有人以为,MXNet是世界上最好的图像分类器。

  Theano次要由蒙特利尔大学进修算法钻研所(MILA)创立。Yoshua Bengio是Theano的开创者,同时带领这个尝试室,该尝试室在深度进修钻研范畴做出庞大的孝敬,培育出约100名有关学生和从业者。Theano支撑高效机械进修算法的倏地开辟,恪守BSD开源和谈。

  本网站根据国度有关划定预备了响应的稿酬,但因为主观缘由无奈领取。如您是这篇文章或图片的著述权人或其他权力人,请与本网站接洽。本网站在确认您的身份后将予以领取。

  Caffe是视觉识此外风行框架,然而Caffe不供给像TensorFlow,CNTK或Theano一样细粒度的层布局。你必需编写底层代码来建立庞大的层布局。因为它的固有架构,Caffe对轮收受接受集和言语模子的支撑不力。

  TensorFlow供给详尽的收集层利用户能够建立新的庞大的层布局而不必要本人从底层实现它们。子图答使用户查看和规复图的肆意边的数据。这对庞大计较的Debug很是有用。

  跟着深度进修逐步成熟,能够预知到咱们将见证TensorFlow,Caffe2和MXNet的竞赛。同时,软件供应商也在供给先辈的AI产物使你从数据中获取更多价值。问题是:你会采办带有专利的AI产物仍是利用开源框架。若是利用开源框架,你将会晤对哪种框架最适合你的问题的取舍坚苦。而取舍专利软件,你又将如何制订退出计谋?任何一种取舍都必要久远思量。

  Caffe的高速使得它很是适合于科研和贸易范畴。操纵一个NVIDIA K40 GPU,Caffe能够每天处置60M张图片,即揣度1毫秒一张,锻炼4毫秒一张。利用最新的版本,以至能够更快。

  能够预感在不远的未来Caffe2将会替换Caffe在深度进修社区的职位地方。

  DL4J具有内建的GPU支撑,这一主要特机可以大概支撑YARN上的锻炼历程。DL4J具有丰硕的深度神经收集架构支撑,包罗RBM,DBN,CNN,RNN,RNTN和LSTM。DL4J还支撑一个向量计较库Canova。

  良多神经收集框架已开源多年,支撑机械进修和人工智能的专有处理方案也有良多。多年以来,开辟职员在Github上公布了一系列的能够支撑图像、手写字、视频、语音识别、天然言语处置、物体检测的机械进修框架,但并没有一种框架能够完满地处理你所有的需求。那么该若何取舍最适合你的开源框架呢?但愿下面带有形容的图表以及阐发能够带给你以开导,以此来取舍最适合你的营业需求的框架。下图总结了绝大大都Github上的开源深度进修框架项目,按照项目在Github的Star数量来评级。

  MXNet拥有超卓的可扩展性,比方GPU并行计较,存储映像,高速开辟和可移植性。别的,MXNet能够和Apache hadoop YARN连系,YARN是一个通用漫衍式使用办理框架,这一特征使得MXNet成为TensorFlow的合作者。

  Theano不像TensorFlow那样文雅,但它供给了支撑轮回节制(被称为scan)的API,能够轻松实现RNN。

  漫衍式TensorFlow在0.8版本推出,供给了并行计较支撑,能够让模子的分歧 部门在分歧设施上并行锻炼。

  Theano支撑多GPU并行计较而且自带漫衍式框架。Theano只支撑一种开辟言语,比TensorFlow速率快良多,是一种学术钻研的无力东西。然而,其不支撑挪动平台以及没有多种言语接口的缺陷制约了它在企业的普遍使用。

  Caffe的模子能够通过剧本轻松转化成Caffe2模子。Caffe在设想上的倾向使得它出格适合视觉有关的问题,Caffe2因循了它对视觉问题的壮大支撑,同时还插手了RNN和LSTM以更好地支撑天然言语处置,手写字识别和时间序列预测。

  MXNet的一个奇特之处是它是少有的几个支撑匹敌天生收集(GAN)的框架之一。这个模子被用于尝试经济学方式中的“纳什平衡”。

  另一个特殊之处是,亚马逊的CTO Werner Vogels颁布颁发了对MXNet的支撑:“昨天,咱们颁布颁发MXNet将成为亚马逊的深度进修框架取舍。咱们将在现有和将来将呈现的办事中利用MXNet。”苹果公司的部门传说风闻也暗示该公司将会利用MXNet作为其深度进修框架。

  TensorFlow Serving通过连结不异的办事器架谈判API,能够便利地设置装备安排新算法和情况。TensorFlow Serving 还供给开箱即用的模子,而且能够轻松扩展以支撑其他的模子和数据。

  Caffe底层是用C++实现的,能够在各类设施上编译。Caffe是跨平台的而且供给Windows接口,它供给C++,Python和Matlab言语接口。Caffe具有着复杂的用户社区,而且有大量深度收集模子在社区上孝敬,被称为“Model Zoo”。此中,AlexNet和GoogleNet是最出名的两个。

  TensorFlow的0.12版本支撑Windows 7, 8, Server 2016体系。因为采用C++ Eigen库,TensorFlow类库能够在ARM架构平台上编译和优化。这象征着你能够不必要分外实现模子解码器或者Python注释器就能够在多种办事器和挪动设施上摆设锻炼好的模子。

  和Caffe一样,CNTK底层也是C++实现并拥有跨平台CPU/GPU支撑。搭载在Azure GPU Lab上,CNTK能阐扬出最高的漫衍式计较机能。目前,CNTK因为不支撑ARM架构,制约了其在挪动真个使用。

网站首页 |公司简介 |产品中心 |新闻资讯 |应用实例 |企业文化 |联系我们