常见的7种深度学习框架对比
框架 | 简介 | 优点 | 缺点 |
---|---|---|---|
Theano |
2008年诞生于LISA实验室,其设计具有较浓厚的学术气息。 作为第一个Python深度学习框架,Theano很好的完成了自己的使命,为之后深度学习框架的开发奠定了基本设计方向:以计算图为框架的核心,采用GPU加速计算 |
(1) Python+NumPy的组合;(2) 使用计算图;
(3) 学习门槛低 |
(1) 比Torch臃肿;
(2) 不支持分布式;(3) 大模型的编译时间有时要很久,调试困难; (4) 目前已停止开发 |
TensorFlow | 2015年诞生于Google,可以看作是Theano的后继者。TensorFlow作为当前最流行的深度学习框架,它拥有一个全面而灵活的生态系统,其中包含各种工具、库和社区资源 |
(1) 具有更好的计算图可视化效果; (2) 可扩展性强,能部署在各种服务器和移动设备上;(3) 出色的社区支持; (4) 性能优异 |
(1) 过于复杂的系统设计,总代码量超过100万行,维护困难; (2) 接口设计复杂,且频繁变动;(3) 图构造是静态的,必须先被‘编译’再运行 |
Keras | 2015年诞生于Google,是一个用Python编写的高级神经网络 API,它能够以 TensorFlow, CNTK,或者Theano作为后端运行。Keras的开发重点是支持快速的实验 |
(1) 简单容易上手; (2) 提供规范丰富的文档; (3) 基于Python实现,易调试易扩展;(4) 可使用theano和tensorflow两个backend |
(1) 缺少灵活性;(2) 运行速度慢 |
CaffeCaffe2 | Caffe 2014年诞生于伯克利,核心语言是C++,支持命令行、python和MATLAB接口,可在CPU和GPU上运行。 Caffe2诞生于2017年的Facebook,其沿袭了大量的Caffe设计,是一个兼具表现力、速度和模块性的开源深度学习框架 |
Caffe: (1) 简洁快速,易用性强;(2) 可支持Matlab 和 Python 接口 Caffe2: (1) 轻量级,扩展性好;(2) 性能优异; (3) 几乎全平台支持 |
Caffe: (1) 缺少灵活性; (2) 在递归神经网络上表现不佳 Caffe2: (1) 官方未提供完整的文档;(2) 安装复杂,编译过程常出现异常 |
MXNet | MXNet是一个深度学习库,支持各种常见的语言,其借鉴了Caffe的思想,但实现更干净。2016年,MXNet被AWS正式选择为其云计算的官方深度学习平台 | (1) 支持灵活的动态图和高效的静态图,性能优异;(2) 扩展性好,分布式性能强大,可移植性强;(3) 支持多种语言和平台 | (1) 入门门槛高;(2) 文档不完善,更新慢;(3) 代码有一些小bug |
CNTK | 2016年诞生于微软,根据开发者描述,CNTK的性能比主流工具都要强。CNTK表现比较均衡,没有明显的短板 |
(1) 性能出众; (2) 在语音领域效果突出 |
(1) 社区活跃度不高;(2) 文档比较难懂; (3) 目前不支持ARM架构,限制了其在移动设备上的发挥 |
PyTorch | 2017年诞生于Facebook,PyTorch本质上是支持GPU的NumPy替代,配备了可用于构建和训练深度神经网络的更高级的功能。PyTorch是当前难得的简洁优雅且高效快速的框架 | (1) 简洁,代码易于理解;(2) 速度快,优于TensorFlow和Keras等;(3) 灵活易用;(4) 社区活跃,文档完整 | (1) 不支持移动设备部署;(2) 无可视化接口和工具 |
更多对比资料请参考:
- tensorflow和pytorch框架对比总结
- 主流深度学习框架对比
- 常见深度学习框架对比-《深度学习框架PyTorch:入门与实践》
- 深度学习框架对比与选择
常见的7种深度学习框架对比相关推荐
- TensorFlow与主流深度学习框架对比
引言:AlphaGo在2017年年初化身Master,在弈城和野狐等平台上横扫中日韩围棋高手,取得60连胜,未尝败绩.AlphaGo背后神秘的推动力就是TensorFlow--Google于2015年 ...
- 主流深度学习框架对比
深度学习研究的热潮持续高涨,各种开源深度学习框架也层出不穷,其中包括TensorFlow.Caffe.Keras.CNTK.Torch7.MXNet.Leaf.Theano.DeepLearning4 ...
- 从TensorFlow到DL4J——主流深度学习框架对比分析
从TensorFlow到DL4J--主流深度学习框架对比分析 2022年2月22日 极链AI云 官网地址 点击注册 更多AI小知识,关注<极链AI云>公众号 文章目录 从TensorFlo ...
- 一文带你了解 三种深度学习框架(Caffe,Tensorflow,Pytorch)的基本内容、优缺点以及三者的对比
觉得有帮助请动动小手点赞关注收藏~~~ 一.Caffe Caffe简介 Caffe是一个清晰的,可读性高的,快速的深度学习框架,主要应用在视频,图像处理方面,但是不够灵活,并且对递归网络和语言建模的支 ...
- TensorFlow、MXNet、Keras如何取舍? 常用深度学习框架对比
作者简介 魏秀参,旷视科技 Face++ 南京研究院负责人.南京大学 LAMDA 研究所博士,主要研究领域为计算机视觉和机器学习.在相关领域顶级国际期刊如 IEEE TIP.IEEE TNNLS.Ma ...
- 主流深度学习框架对比(TensorFlow、Keras、MXNet、PyTorch)
近几年来,深度学习的研究和应用的热潮持续高涨,各种开源深度学习框架层出不穷,包括TensorFlow,Keras,MXNet,PyTorch,CNTK,Theano,Caffe,DeepLearnin ...
- DeepFunc:一种深度学习框架,可根据蛋白质序列和相互作用准确预测蛋白质功能
摘要 蛋白质功能的诠释对于从分子水平理解生命具有重要作用.高通量测序产生了大量的原始蛋白质序列,只有大约1%的蛋白质序列被人工标注了功能.函数的实验性注释是昂贵的.耗时的,并且跟不上序列号的快速增长. ...
- 深度学习框架的来龙去脉——史上最全面最新的深度学习框架对比分析
一.深度学习框架概述与深度学习技术的四大阵营 人工智能从学术理论研究到生产应用的产品化开发过程中通常会涉及到多个不同的步骤和工具,这使得人工智能开发依赖的环境安装.部署.测试以及不断迭代改进准确性和性 ...
- 哪种深度学习框架发展最快?
在2018年9月,我进行了所有主流深度学习框架中关于需求,使用与普及等方面的比较.TensorFlow无可争议是深度学习框架的重量级冠军,PyTorch是新秀. 在过去六个月中,领先的深度学习框架的情 ...
最新文章
- taro 引入js_Taro跨端开发之多业务模块管理 React Native篇(终篇)
- 六行代码安装 GPU版本的TensorFlow
- python字典功能默写_Python 内存分配时的小秘密
- 手写spring编程事务
- win10+anaconda3安装tensorflow-gpu和pytorch-gpu版
- Java Object.hashCode()方法
- servletcontext 使用解析
- webpack配置说明
- 昨晚三巨头聚餐,顺便聊了这三个问题
- 爬虫-练习-爬取访问后可见的内容
- devops项目经理_DevOps:如何避免交接导致项目死亡
- selenium-webdriver——如何在启动firefox时加载扩展
- 如何做好大型数据中心的运维
- 插槽作用域渲染按钮开关 ~ 满满的干货哦
- 计算机必懂的54个英文单词和缩写
- 动词过去式和过去分词不规则变化
- 在linux目录中设置权限设置,linux下为目录和文件设置权限(示例代码)
- docker端口映射突然无效
- [转载]项目风险管理七种武器-长生剑
- 2020年ubuntu安装QQ和微信和迅雷的正确姿势
热门文章
- 如何从命令行删除MongoDB数据库?
- php reader oleread,请问用phpExcelReader方式,excel文件名字可以是中文吗?
- 电脑主机启动不了是什么原因
- 电脑c盘满了怎么清理
- 还原python源码_python 的混淆后的代码可以还原么
- 树莓派python编程小车_树莓派小车教程(三)——软件代码
- mac系统自带python开发环境吗_Mac OS搭建Python开发环境的几个误区
- iphone怎么重启_iPhone看完这个都要卡死机!这串神秘代码,是真的有毒
- 2021年高考传媒校考成绩查询,中国传媒大学2021年艺术校考合格线及成绩什么时候公布(附查询入口)...
- L1-034 点赞 (20 分)