该怎样选择最得当你的开源框架?

许多神经收集框架已开源多年，支持呆板进修和人工智能的专有办理方案也有许多。多年以来，开拓职员在Github上宣布了一系列的可以支持图像、手写字、视频、语音辨认、天然说话处理赏罚、物体检测的呆板进修框架，但并没有一种框架可以美满地办理你全部的需求。那么该怎样选择最得当你的开源框架呢?但愿下面带有描写的图表以及说明可以带给你以开导，以此来选择最得当你的营业需求的框架。下图总结了绝大大都Github上的开源深度进修框架项目，按照项目在Github的Star数目来评级。

TensorFlow

TensorFlow框架的前身是Google的DistBelief V2，是谷歌大脑项目标深度收集器材库，一些人以为TensorFlow是小心Theano重构的。

Tensorflow一经开源，顿时引起了大量开拓者的跟进。Tensorflow普及支持包罗图像、手写字、语音辨认、猜测和天然说话处理赏罚等大量成果。TensorFlow遵循Apache 2.0开源协议。

TensorFLow提供这些器材：

TensorBroad是一个计划精良的可视化收集构建和展示器材;

TensorFlow Serving通过保持沟通的处事器架构和API，可以利便地设置新算法和情形。TensorFlow Serving 还提供开箱即用的模子，而且可以轻松扩展以支持其他的模子和数据。

TensorFlow编程接口包罗Python和C++，Java，Go，R和Haskell说话的接口也在alpha版中支持。其它，TensorFlow还支持谷歌和亚马逊的云情形。

TensorFlow的0.12版本支持Windows 7, 8，， Server 2016体系。因为回收C++ Eigen库，TensorFlow类库可以在ARM架构平台上编译和优化。这意味着你可以不必要特殊实现模子解码器可能Python表明器就可以在多种处事器和移动装备上陈设实习好的模子。

TensorFlow提供过细的收集层行使户可以构建新的伟大的层布局而不必要本身从底层实现它们。子图应承用户查察和规复图的恣意边的数据。这对伟大计较的Debug很是有效。

漫衍式TensorFlow在0.8版本推出，提供了并行计较支持，可以让模子的差异 部门在差异装备上并行实习。

TensorFlow在斯坦福大学，伯克利学院，多伦多大学和Udacity(2016年3月创立的在线学校)均有解说。

TensorFlow的弱点有：

每个计较流必需构建成图，没有标记轮回，这样使得一些计较变得坚苦;

没有三维卷积，因此无法做视频辨认;

即便已经比原有版本(0.5)快了58倍，但执行机能如故不及它的竞争者。

Caffe

Caffe是贾扬清的作品，今朝，贾扬清是Facebook AI平台的Lead。始于2013年尾，Caffe也许是第一个主流的家产级的深度进修器材包。Caffe具有卓越的卷积模子，是计较机视觉规模最受接待的器材之一，且2014年ImageNet 大赛的获奖作品行使的就是Caffe框架。Caffe遵循BSD 2-Clasuse 协议。在此我向各人保举一个大数据技能交换圈： 658558542 打破技能瓶颈，晋升思想手段 。

Caffe的高速使得它很是得当于科研和贸易规模。操作一个NVIDIA K40 GPU，Caffe可以天天处理赏罚60M张图片，即揣度1毫秒一张，实习4毫秒一张。行使最新的版本，乃至可以更快。

Caffe底层是用C++实现的，可以在各类装备上编译。Caffe是跨平台的而且提供Windows接口，它提供C++，Python和Matlab说话接口。Caffe拥有着复杂的用户社区，而且有大量深度收集模子在社区上孝顺，被称为“Model Zoo”。个中，AlexNet和GoogleNet是最闻名的两个。

Caffe是视觉识此外风行框架，然而Caffe不提供像TensorFlow，CNTK或Theano一样细粒度的层布局。你必需编写底层代码来构建伟大的层布局。因为它的固有架构，Caffe对轮回收集和说话模子的支持不力。

Caffe2

贾扬清和他的团队今朝在Facebook致力于Caffe2的研发。2017年4月18号，Facebook基于BSD协议开源了Caffe2。Caffe2聚焦于模块化，在移动装备和大局限陈设均示意精彩。和TensorFlow一样，Caffe2页行使C++ Eigen以支持ARM架构。

Caffe的模子可以通过剧本轻松转化成Caffe2模子。Caffe在计划上的倾向使得它出格得当视觉相干的题目，Caffe2沿用了它对视觉题目的强盛支持，同时还插手了RNN和LSTM以更好地支持天然说话处理赏罚，手写字辨认和时刻序列猜测。

可以预见在不远的未来Caffe2将会更换Caffe在深度进修社区的职位。

Microsoft Cognitive Toolkit

Microsoft Cognitive Toolkit(CNTK)计划的初志是用于语音辨认规模。CNTK支持RNN(轮回神经收集)和CNN(卷积神经收集)，因此他有手段胜任图像、手写字和语音辨认题目。CNTK支持64位Linux和Windows体系，提供Python和C++说话接口，遵循MIT协议。

CNTK与TensorFlow和Theano有着相同的计划理念——把收集界说成向量操纵的语义图，向量操纵譬喻矩阵加法、矩阵乘法以及卷积。同时，CNTK也提供细粒度的收集层计划，应承用户行使它们计划新的伟大收集。

和Caffe一样，CNTK底层也是C++实现并具有跨平台CPU/GPU支持。搭载在Azure GPU Lab上，CNTK能施展出最高的漫衍式计较机能。今朝，CNTK因为不支持ARM架构，限定了其在移动端的应用。

MXNet

MXNet源自于卡内基梅隆大学和华盛顿大学。MXNet是一个极具特色，可编程，可扩展的深度进修框架。MXNet可以殽杂多种说话的模子和代码，包罗Python, C++, R, Scala, Julia, Matlab, JavaScript。2017年1月30号，MXNet被纳为Apache基金会孵化项目。

MXNet支持CNN、RNN、LSTM, 提供对图像，手写字，语音辨认，猜测和天然说话题目的强盛支持。有人以为，MXNet是天下上最好的图像分类器。

MXNet具有精彩的可扩展性，譬喻GPU并行计较，存储映像，高速开拓和可移植性。其它，MXNet可以和Apache hadoop YARN团结，YARN是一个通用漫衍式应用打点框架，这一特征使得MXNet成为TensorFlow的竞争者。

MXNet的一个奇异之处是它是少有的几个支持反抗天生收集(GAN)的框架之一。这个模子被用于尝试经济学要领中的“纳什平衡”。

另一个非凡之处是，亚马逊的CTO Werner Vogels公布了对MXNet的支持：“本日，我们公布MXNet将成为亚马逊的深度进修框架选择。我们将在现有和将来将呈现的处事中行使MXNet。”苹果公司的部门据说也暗示该公司将会行使MXNet作为其深度进修框架。

Torch

（编辑：河北网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!