《白话深度学习与TensorFlow》——3.2 与其他框架的对比-阿里云开发者社区

开发者社区> 华章出版社> 正文

《白话深度学习与TensorFlow》——3.2 与其他框架的对比

简介: 本节书摘来自华章计算机《白话深度学习与TensorFlow》一书中的第3章,第3.2节,作者:高扬,卫峥著, 更多章节内容可以访问云栖社区“华章计算机”公众号查看。

3.2 与其他框架的对比

1)?TensorFlow:深度学习最流行的库之一,是谷歌在深刻总结了其前身 DistBelief 的经验教训上形成的;它不仅便携、高效、可扩展,还能在不同计算机上运行:小到智能手机,大到计算机集群;它是一款轻量级的软件,可以立刻生成你的训练模型,也能重新实现它;TensorFlow有强大的社区、企业支持,因此它广泛用于从个人到企业、从初创公司到大公司等不同群体。
2)?Caffe:卷积神经网络框架,专注于卷积神经网络和图像处理,是用C++语言写成
的,执行速度非常快。
3)?Chainer:一个强大、灵活、直观的机器学习Python软件库,能够在一台机器上利用多个GPU,由深度学习创业公司Preferred Networks开发,在Github上有相当数量的项目;Chainer 的设计基于“define by run”原则,也就是说,该网络在运行中动态定义,而不是在启动时定义,这也是该框架的一大亮点。
4)?CNTK:CNTK(Computational Network ToolKit)是微软研究人员开发的用于深度神经网络和多GPU加速技术的完整开源工具包。微软称CNTK在语音和图像识别方面,比谷歌的 TensorFlow 等其他深度学习开源工具包更有优势。
5)?Deeplearning4j:专注于神经网络的Java库,可扩展并集成Spark、Hadoop和其他基于 Java的分布式集成软件。
6)?Nervana Neo:是一个高效的Python机器学习库,它能够在单个机器上使用多个GPU。
7)?Theano:是一个用Python编写的极其灵活的Python机器学习库,用它定义复杂的模型相当容易,因此它在研究中极其流行。
8)?Torch:是一个专注于GPU实现的机器学习库,得到了像Facebook、谷歌、Twitter这样的大公司的研究团队的支持。

版权声明:本文内容由阿里云实名注册用户自发贡献,版权归原作者所有,阿里云开发者社区不拥有其著作权,亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容,填写侵权投诉表单进行举报,一经查实,本社区将立刻删除涉嫌侵权内容。

分享:

华章出版社

官方博客
官网链接