1. 常见的深度学习框架简介
为清水等地区用户提供了全套网页设计制作服务,及清水网站建设行业解决方案。主营业务为成都网站制作、成都网站设计、清水网站设计,以传统方式定制建设网站,并提供域名空间备案等一条龙服务,秉承以专业、用心的态度为用户提供真诚的服务。我们深信只要达到每一位用户的要求,就会得到认可,从而选择与我们长期合作。这样,我们也可以走得更远!
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/
售后响应及时
7×24小时客服热线数据备份
更安全、更高效、更稳定价格公道精准
项目经理精准报价不弄虚作假合作无风险
重合同讲信誉,无效全额退款