开发者学堂课程【深度学习框架 TensorFlow 入门:深度学习框架】学习笔记,与课程紧密联系,让用户快速学习知识。
课程地址:https://developer.aliyun.com/learning/course/773/detail/13556
深度学习框架
目录:
一、常见深度学习框架对比
二、TensorFlow 的特点
三、TensorFlow 的安装
一、常见深度学习框架对比
最常用的框架当数 TensorFlow 和 Pytorch,而 Caffe 和 Caffe2次之。
PyTorch 和 Torch 更适用于学术研究
(research) ; TensorFlow, Caffe,Caffe2更适用于工业界的生产环境部署(industrial production)
Caffe 适用于处理静态图像(static graph) ; Torch 和 PyTorch 更适用于动态图像(dynamic graph) ; TensorFlow 在两种情况下都很实用。
Tensorflow 和 Caffe2可在移动端使用。
二、TensorFlow的特点
高度灵活(Deep Flexibility)
它不仅可以用来做神经网络算法研究,也可以用来做普通的机器学习算法,甚至是只要把计算表示成数据流图,都可以用 TensorFlow
语言多样(Lanquage Options)
TensorFlow 使用 C++实现的,然后用 Python 封装。谷歌号召社区通过 SWIG 开发更多的语言接口来支持TensorFlow。
设备支持
TensorFlow 可以运行在各种硬件上,同时根据计算的需要,合理将运算分配到相应的设备,比如卷积就分配到GPU上,也允许在 CPU 和 GPU 上的计算分布,甚至支持使用 gRPC 进行水平扩展。
Tensorboard 可视化
TensorBoard 是 TensorFlow 的一组 Web 应用,用来监控 TensorFlow 运行过程,或可视化 Computation Graph。TensorBoard 目前支持5种可视化:标量(scalars)、图片(images)、音频(audio)、直方图(histograms)和计算图(Computation Graph)。TensorBoard 的 Events Dashboard 可以用来持续地监控运行时的关键指标,比如loss、学习速率(learning rate)或是验证集上的准确率(accuracy)、
三、TensorFlow 的安装
1 CPU 版本
版本安装较慢,指定镜像源,请在带有 numpy 等库的虚拟环境中安装
ubuntu 安装
pip install tensorflow==1.8-I https://mirrors.aliyun.com/pypi/simple
MacOS 安装
pip install tensorflow==1.88-I https://mirrors.aliyun.com/pypi/simple
2 GPU版本
参考官网
在 Ubuntu 上安装 TensorFlow·
在 macOS 上安装 TensorFlow
注:
CPU 与 GPU 的对比
CPU:核芯的数量更少
但是每一个核芯的速度更快,性能更强
更适用于处理连续性(sequential)任务
GPU:核芯的数量更多;
但是每一个核芯的处理速度较慢
更适用于并行(parallel)任务