【杂谈】面向新手的深度学习开源框架指导手册与GitHub项目,欢迎加入我们的开源团队...
之前我们公众号输出了很多深度学习开源框架相关的内容,现在整理成技术手册给大家分享以方便阅读,下面是详细信息。
开源框架背景
现如今开源生态非常完善,深度学习相关的开源框架众多,光是为人熟知的就有caffe,tensorflow,pytorch/caffe2,keras,mxnet,paddldpaddle,theano,cntk,deeplearning4j,matconvnet等。
如何选择最适合你的开源框架是一个问题,有三AI在前段时间里,给大家整理了10多个深度学习开源框架快速入门的教程和代码,供初学者进行挑选,一个合格的深度学习算法工程师必须熟悉其中主流的,下面是各大开源框架的一个总览。
在这里我们还有一些框架没有放上来,是因为它们已经升级为大家更喜欢或者使用起来更加简单的版本,比如从torch->pytorch,从theano到lasagne。另外这些框架都支持CUDA,因此编程语言这里也没有写上cuda。
在选择开源框架时,要考虑很多原因,比如开源生态的完善性,比如自己项目的需求,比如自己熟悉的语言。当然,现在已经有很多开源框架之间进行互转的开源工具如MMDNN等,也降低了大家迁移框架的学习成本。除此之外还有tiny-dnn,ConvNetJS,MarVin,Neon等等小众,以及CoreML等移动端框架,就不再一一介绍。
总的来说对于选择什么样的框架,有三可以给出一些建议。
(1) 不管怎么说,tensorflow/pytorch你都必须会,这是目前开发者最喜欢,开源项目最丰富的两个框架。
(2) 如果你要进行移动端和嵌入式的开发,那么Caffe是不能不会的。
(3) 如果你非常熟悉Matlab,matconvnet你不应该错过。
(4) 如果你追求高效轻量,那么darknet和mxnet你不能不熟悉。
(5) 如果你很懒,想写最少的代码完成任务,那么用keras吧。
(6) 如果你是java程序员,那么掌握deeplearning4j没错的。
本手册内容
一个框架,官方都会开放有若干的案例,最常见的案例就是以MNIST数据接口+预训练模型的形式,供大家快速获得结果,但是这明显还不够,学习不应该停留在跑通官方的demo上,而是要解决实际的问题。要掌握好一个开源框架,通常需要做到以下几点:
(1) 熟练掌握不同任务数据的准备和使用。
(2) 熟练掌握模型的定义。
(3) 熟练掌握训练过程和结果的可视化。
(4) 熟练掌握训练方法和测试方法。
我们要学会从自定义数据读取接口,自定义网络的搭建,模型的训练,模型的可视化,模型的测试与部署等全方位进行掌握。
在下面的所有框架的学习过程中,我们都要完成下面这个流程,只有这样,才能叫做真正的完成了一个训练任务。
在这样的背景下,我们开设了一个《2小时快速入门开源框架系列》,有超过12个框架的快速入门使用教程,配套文章如下:
本手册各章节及内容如下:
【caffe速成】caffe图像分类从模型自定义到测试
【pytorch速成】Pytorch图像分类从模型自定义到测试
【tensorflow速成】Tensorflow图像分类从模型自定义到测试
【mxnet速成】mxnet图像分类从模型自定义到测试
【cntk速成】cntk图像分类从模型自定义到测试
【Keras速成】Keras图像分类从模型自定义到测试
【paddlepaddle速成】paddlepaddle图像分类从模型自定义到测试
【paddlepaddle速成】paddlepaddle图像分类从模型自定义到测试
【MatConvnet速成】MatConvnet图像分类从模型自定义到测试
【DL4J速成】Deeplearning4j图像分类从模型自定义到测试
【chainer速成】chainer图像分类从模型自定义到测试
【Lasagne速成】Lasagne/Theano图像分类从模型自定义到测试
本手册我们给大家配套了GitHub项目,地址为:
https://github.com/longpeng2008/yousan.ai
除了12个开源的使用,本手册中还包括一个统一的各类深度学习模型结构和权重可视化工具,以及各类深度学习模型绘制工具,如下:
【杂谈】那些酷炫的深度学习网络图怎么画出来的?
【杂谈】一招,同时可视化18个开源框架的网络模型结构和权重
目前发布的是V1.0版本,共计150页,发送关键词“深度学习开源框架”到公众号即可获取。
后续安排
时间过去有段时间了,开源框架也增加了不少,因此我们希望招募更多的小伙伴来进行更新,后续要增加的内容包括:
(1) 增加更多训练框架的使用教程,包括MegEngine,MindSpore等。
(2) 增加推理框架的使用教程,本手册中已经对现有的推理框架进行了更新。
(3) 增加更多高效率工具的使用教程,包括但不限于可视化。
有兴趣一起参与开源工作的,请添加有三微信Longlongtogo。
往期相关
【杂谈】2020年如何长期、系统,全面地学习深度学习和计算机视觉,这是有三AI的完整计划
言有三新书来袭!业界首次深入全面讲解深度学习模型设计
言有三新书来袭,业界首次深入全面讲解深度学习人脸图像算法
言有三新书预售,不贵,有料
【杂谈】面向新手的深度学习开源框架指导手册与GitHub项目,欢迎加入我们的开源团队...相关推荐
- 【杂谈】超过12个,150页深度学习开源框架指导手册与GitHub项目,初学CV你值得拥有...
之前我们公众号输出了很多深度学习开源框架相关的内容,今天整理成技术手册给大家分享以方便阅读,下面是详细信息. 开源框架背景 现如今开源生态非常完善,深度学习相关的开源框架众多,光是为人熟知的就有caf ...
- 【通知】有三AI发布150页深度学习开源框架指导手册与GitHub项目,欢迎加入我们的开源团队...
之前我们公众号输出了很多深度学习开源框架相关的内容,今天整理成技术手册给大家分享以方便阅读,下面是详细信息. 开源框架背景 现如今开源生态非常完善,深度学习相关的开源框架众多,光是为人熟知的就有caf ...
- darknet框架_【通知】有三AI发布150页深度学习开源框架指导手册与GitHub项目,欢迎加入我们的开源团队...
之前我们公众号输出了很多深度学习开源框架相关的内容,今天整理成技术手册给大家分享以方便阅读,下面是详细信息. 开源框架背景 现如今开源生态非常完善,深度学习相关的开源框架众多,光是为人熟知的就有caf ...
- 【完结】史上最萌最认真的机器学习/深度学习/模式识别入门指导手册(四)
小夕再次感谢大家的关心,你们的小夕已经满血复活啦!小夕会坚持为大家带来独一无二的干货和故事哦. 前言 有读者反映,ta若能完成这个系列的阶段三,就在他们实验室被奉为神了.因为他们实验室每个人人手一本& ...
- 史上最萌最认真的机器学习/深度学习/模式识别入门指导手册(一)
喵喵喵~大家元宵节快乐噢.有没有要陪小夕出去看烟花的吖... 小夕借此给热爱学习的喵喵们献上这篇拙文,希望不要嫌弃哦~ 还有,小夕画的封面图是不是很棒呀( ̄∇ ̄) 小夕发现现在想进军人工智能领域的程序 ...
- 史上最萌最认真的机器学习/深度学习/模式识别入门指导手册(三)
能够坚持走到阶段三的喵一定是很有毅力的喵!也是很合格的机器学习/人工智能研究者啦~但是走到这里,也意味着您不满足于使用看似孤立的机器学习模型来生硬的完成一些任务,那么,大一统的理论体系就在这一阶段建立 ...
- 史上最萌最认真的机器学习/深度学习/模式识别入门指导手册(二)
谢谢你们.小夕昨晚又熬夜被发现了,谢谢对小夕的关心... 有你们陪着,小夕很幸运. 路人乙:"小夕,别人都说上完coursera上的那门机器学习课就已经入门机器学习了,可你又不这样认为.那你 ...
- 人机交互系统(2.1)——深度学习分布式计算框架
1 为什么需要分布式计算? 在这个数据爆炸的时代,产生的数据量不断地在攀升,从GB,TB,PB到ZB.挖掘其中数据的价值也是企业在不断地追求的终极目标.但是要想对海量的数据进行挖掘,首先要考虑的就是海 ...
- 腾讯优图开源深度学习推理框架 TNN,助力 AI 开发降本增效
从学界到工业界,"开源"已经成为AI领域的一个关键词.一方面,它以"授人以渔"的方式为AI构建了一个开放共进的生态环境,帮助行业加速AI应用落地:另一方面,在解 ...
最新文章
- 高通与苹果宣布“复合”,英特尔黯然退场 | 极客头条
- 4.10 风格代价函数-深度学习第四课《卷积神经网络》-Stanford吴恩达教授
- 释疑の采购Invoice常用参数设置
- qt messagebox退出程序_[Qt] Mac平台安装最新版qt的方法(源码编译) - 刘傲天
- 腾讯TencentOS 十年云原生的迭代演进之路
- linux 日期 通配符,Linux常用基础命令下(grep,history,du,date,通配符,alias,rm,mv,cp)
- PHP爬虫音乐,PHPCrawl爬虫库实现抓取酷狗歌单
- android 文件公有存储,如何将文件写入Android中的外部公共存储,以便从Windows中看到它们?...
- StevenBoyd--Convex optimization--1. Introduction
- android 接百度SDK遇到的坑(百度地图BD09经纬度转高德地图GCJ02经纬度)
- vue 日历插件ele-calendar
- python官方文档(自翻译)
- mac 安装ffmpeg以及各种编码器
- python计算卡方值代码,python 基于卡方值分箱算法的实现示例
- Gazebo + cartographer2D + velodyne多线雷达建图仿真
- 【未解决】蓝牙键盘,蓝牙鼠标,蓝牙音箱的冲突问题
- 上计算机课怎么备课,如何备课写教案
- 【附源码】计算机毕业设计java在线学习系统设计与实现
- php语言缺点,php语言优缺点分析
- 汽车以太网测试之UpperTester