目錄

• • 1、前言
  • 2、性能分析
  • 3、問題探討

隨著“大數(shù)據(jù)時(shí)代”的到來和計(jì)算能力的提升，深度學(xué)習(xí)成為了一種很火的新科技。已經(jīng)成功的應(yīng)用到了很多個(gè)領(lǐng)域中。包括“計(jì)算機(jī)視覺”“語(yǔ)音識(shí)別”“自然語(yǔ)言處理”等。為了進(jìn)行高效的開發(fā)一個(gè)深度學(xué)習(xí)系統(tǒng)，許多大型科技公司都推出了自己的深度學(xué)習(xí)框架。而且，最近這段時(shí)間接二連三的有新的“深度學(xué)習(xí)”框架推出。自己感覺有必要做一個(gè)總結(jié)，來收集一下這些深度學(xué)習(xí)框架。

但是，在此同時(shí)，我有一個(gè)問題，真的需要這么多的深度學(xué)習(xí)框架嗎？在科技領(lǐng)域?yàn)槭裁纯床坏胶献髂?#xff1f;眾多的深度學(xué)習(xí)框架，企業(yè)和個(gè)人如何選擇一個(gè)適合自己的框架呢？

以下，我將圍繞著幾個(gè)問題展開整篇博客的內(nèi)容。

1、前言

首先，讓我們看一下，當(dāng)前都有哪些深度學(xué)習(xí)框架？我會(huì)列出相應(yīng)的鏈接，方便大家的訪問。(我會(huì)不斷地更新這個(gè)列表)

1.Tensorflow – https://www.tensorflow.org/
github – https://github.com/tensorflow/tensorflow

2.Caffe – http://caffe.berkeleyvision.org/
github – https://github.com/BVLC/caffe

3.Theano – http://deeplearning.net/software/theano/install.html
github – https://github.com/Theano/Theano

4.keras – https://keras.io/
github – https://github.com/fchollet/keras

5.Torch – http://torch.ch/
github – https://github.com/torch/torch7

6.Lasagne – http://lasagne.readthedocs.io/en/latest/
github – https://github.com/Lasagne/Lasagne

7.MXNet – http://mxnet.io/
github – https://github.com/dmlc/mxnet

8.DIGITS – https://developer.nvidia.com/digits
github – https://github.com/NVIDIA/DIGITS

9.CNTK – https://cntk.codeplex.com/
github – https://github.com/Microsoft/CNTK

10.PaddlePaddle – http://www.paddlepaddle.org/
github – https://github.com/PaddlePaddle/Paddle

11.Deeplearning4j – https://github.com/deeplearning4j/
deeplearning4j

12.tensorlayer – http://tensorlayer.readthedocs.io/en/latest/
github – https://github.com/zsdonghao/tensorlayer

13.TFLearn – http://tflearn.org/tutorials/
githu – https://github.com/tflearn/tflearn

14.caffe2 – https://caffe2.ai/
github – https://github.com/caffe2/caffe2

15.pytorch – http://pytorch.org/
github – https://github.com/pytorch/pytorch

16.Leaf – http://autumnai.com/leaf/book/
github – https://github.com/autumnai/leaf

17.Chainer – http://chainer.org/
github – https://github.com/pfnet/chainer

18.DSSTNE
github – https://github.com/amznlabs/amazon-dsstne

19.Neon
github – https://github.com/NervanaSystems/neon

2、性能分析

接下來，讓我們簡(jiǎn)單的比較一下它們的性能，能存在總會(huì)有理由的，它們都有自己的特點(diǎn)。
以下的表格是一個(gè)有關(guān)于各個(gè)深度學(xué)習(xí)框架的一個(gè)對(duì)比：

注：
1.從這個(gè)表格我們可以看出，當(dāng)前比較受歡迎的深度學(xué)習(xí)框架包括：tensorflow、caffe、keras、CNTK、MXNet、Torch、Theano。工業(yè)界中常用的包括：tensorflow、caffe、CNTK、MXNet、Torch。學(xué)術(shù)界常用的包括：keras、theano。

2.這個(gè)表格中的部分?jǐn)?shù)據(jù)來自于互聯(lián)網(wǎng)，可能存在著一定的誤差嗎，但是總的來說具有一定的參考價(jià)值。

3、問題探討

通過上面的表格，我們會(huì)發(fā)現(xiàn)有很多的深度學(xué)習(xí)框架。那么，我們?cè)撊绾芜x擇一個(gè)適合自己的深度學(xué)習(xí)框架呢？你需要根據(jù)你自己的實(shí)際需要選擇合適的框架。需要考慮的主要因素包括：開發(fā)語(yǔ)言、硬件平臺(tái)、操作系統(tǒng)等

> a. 開發(fā)語(yǔ)言 > 通過上面的表格我們可以總結(jié)出深度學(xué)習(xí)支持的開發(fā)語(yǔ)言包括： >Python/C++/R/Julia/Scala/Go/Javascript/Perl/Matlab >/Lua/Cuda/JAVA/Rust等。但是最常用的兩種開發(fā)語(yǔ)言是：Python和C++。主要的原因如下所示： > > 1） python非常簡(jiǎn)單，很容易上手，但是運(yùn)行的效率比較低，因此常用來快速的搭建深度學(xué)習(xí)中的網(wǎng)絡(luò)模型。 > 2）C++的語(yǔ)法眾多，需要自己分配并處理內(nèi)容，開發(fā)代碼冗長(zhǎng)，但是運(yùn)行效率很高，因此常用來作為深度學(xué)習(xí)中的終端引擎來使用。 > 如果你自己不熟悉Python或者C++，你可以使用的框架就非常的有限； > 如果你熟悉Python或者C++,你幾乎可以使用任何一種深度學(xué)習(xí)框架； > 如果你是一名JAVA愛好者，你更可能會(huì)選擇利用Deeplearning來進(jìn)行開發(fā)。 > > 因此，開發(fā)語(yǔ)言是一個(gè)限制你使用深度學(xué)習(xí)框架的一個(gè)關(guān)鍵因素。你需要根據(jù)你自己的實(shí)際情況選擇。 > > b. 硬件平臺(tái) > 通過上面這個(gè)表格，我們可以總結(jié)出當(dāng)前的深度學(xué)習(xí)框架支持的硬件平臺(tái)包括：CPU、GPU、Andriod、IOS、FPGA、ARM等多種平臺(tái)。 > 如果你的電腦不支持GPU，你就只能選擇其他的平臺(tái)； > 如果你自己擅長(zhǎng)GPU，你可以使用的框架就很多； > 如果你的項(xiàng)目制定的硬件是FPGA，你能使用的框架就會(huì)受到限制。 > > 因此，這也是一個(gè)限制你使用框架的關(guān)鍵因素。你需要根據(jù)自己的需要以及項(xiàng)目的需要去進(jìn)行選擇。 > > c. 操作系統(tǒng) > 當(dāng)前，這些框架支持的系統(tǒng)主要包括：Linux、Mac、Windows。幾乎包括了所有的操作系統(tǒng)。但是對(duì)應(yīng)不同的框架所支持的操作系統(tǒng)有很多不同。 > 如果你熟悉Linux系統(tǒng)，那么你幾乎可以使用任何一個(gè)框架。 > 如果你想在Windows下使用這些框架，那么你就會(huì)受到很大的限制。同時(shí)會(huì)出現(xiàn)很多莫名其妙的問題。 > > 因此，你需要選擇一個(gè)合適的操作系統(tǒng)，這可能會(huì)影響你的開發(fā)進(jìn)程和使用的框架的數(shù)目。 > > d. 分布式系統(tǒng) > 分布式系統(tǒng)可以將一個(gè)很大的任務(wù)分割開來，在不同的主機(jī)上進(jìn)行運(yùn)行，這可以大大的提高訓(xùn)練的速率，加快整個(gè)開發(fā)的過程。這對(duì)于大模型的訓(xùn)練具有至關(guān)重要的作用。當(dāng)前對(duì)分布式系統(tǒng)有很好的支持的框架包括：tensorflow、CNTK、MXNet、Torch、Caffe。都有強(qiáng)大的后臺(tái)。 > 如果你訓(xùn)練的數(shù)據(jù)量很少，你可以選擇使用單片CPU或者單片GPU； > 如果你訓(xùn)練的數(shù)據(jù)量較大，你可以選擇使用多塊CPU或者多塊GPU； > 如果你訓(xùn)練的數(shù)據(jù)量很大，你就需要使用到云服務(wù)器或者一個(gè)分布式系統(tǒng)集群。 > > 因此，這也是一個(gè)影響你選擇框架的一個(gè)因素。 > 總之，你需要綜合考慮多個(gè)因素選擇一個(gè)合適的深度學(xué)習(xí)框架。

這里我想要提出一個(gè)問題！！

> 我的問題是：為什么不能將這些框架整合起來，做一個(gè)大的框架，支持所有的系統(tǒng)，支持所有的語(yǔ)言，支持所有的平臺(tái)，最重要的是只要一個(gè)？ > 這里的框架水平不一，但是它們的存在是由理由的。它們或多或少的都有自己的優(yōu)勢(shì)，何必單干呢。深度學(xué)習(xí)已經(jīng)是一個(gè)趨勢(shì)，應(yīng)該建立一個(gè)國(guó)際組織，負(fù)責(zé)制定一個(gè)標(biāo)準(zhǔn)，收集他們的長(zhǎng)處，做一個(gè)高性能的框架，這樣不是更高效嘛。使用者也不再需要糾結(jié)使用哪一種框架。開發(fā)商也不需要進(jìn)行獨(dú)自的開發(fā)，維護(hù)。同時(shí)可以讓更多的愛好者來共同維護(hù)它。這可能需要時(shí)間吧！希望這個(gè)愿望可以實(shí)現(xiàn)！注意事項(xiàng) [1] 該博客是本人原創(chuàng)博客，如果您對(duì)該博客感興趣，想要轉(zhuǎn)載該博客，請(qǐng)與我聯(lián)系（qq郵箱：1575262785@qq.com）,我會(huì)在第一時(shí)間回復(fù)大家，謝謝大家的關(guān)注。 [2] 由于個(gè)人能力有限，該博客可能存在很多的問題，希望大家能夠提出改進(jìn)意見。 [3] 如果您在閱讀本博客時(shí)遇到不理解的地方，希望您可以聯(lián)系我，我會(huì)及時(shí)的回復(fù)您，和您交流想法和意見，謝謝。 **[4] 本人業(yè)余時(shí)間承接各種本科畢設(shè)設(shè)計(jì)和各種小項(xiàng)目，包括圖像處理（數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)等）、matlab仿真、python算法及仿真等，有需要的請(qǐng)加QQ：1575262785詳聊！！！**

總結(jié)

以上是生活随笔為你收集整理的深度学习框架汇总的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。