5個常用的深度學習框架(函數庫/函示庫/framework)

資料來源:https://mp.weixin.qq.com/s/N8uqxU_ou0o1kFcdDiUg9w

TensorFlow

    TensorFlow適用於圖像和基於序列的數據。如果您是深度學習的初學者，或者對線性代數和微積分等數學概念缺乏紮實的理解，那麼TensorFlow的陡峭學習曲線可能會讓人望而生畏。對於剛剛起步的人來說，這方面可能很複雜。我的建議是繼續練習，繼續探索社區。一旦您對框架有了很好的理解，實現深度學習模型對您來說將非常容易。

Keras

    Keras是一個非常可靠的框架，可以開始您的深度學習之旅。如果您熟悉Python並且沒有進行一些高級研究或開發一些特殊類型的神經網絡，那麼Keras就適合您。它更多的是讓你取得成果，而不是陷入模型錯綜複雜的困境。因此，如果您獲得與圖像分類或序列模型相關的項目，請從Keras開始，因為你可以非常快速地獲得工作模型。

PyTorch

    與TensorFlow相比，PyTorch更直觀。一個包含這兩個框架的快速項目將使這一點非常清晰。即使你沒有紮實的數學或純機器學習背景，你也可以理解PyTorch模型。隨著模型的進行，您可以定義或操作圖形，這使得PyTorch更加直觀。 PyTorch沒有像TensorBoard這樣的可視化工具，但你可以隨時使用像matplotlib這樣的庫。

Caffe

    當我們在圖像數據上構建深度學習模型時，Caffe非常有效。但是當涉及到遞歸神經網絡和語言模型時，Caffe落後於我們討論過的其他框架。 Caffe的主要優勢在於，即使您沒有強大的機器學習或微積分知識，您也可以構建深度學習模型。 Caffe主要用於構建和部署用於移動電話和其他計算受限平台的深度學習模型。

DeepLearning4j

    就像我之前提到的，Deeplearning4j是Java程序員的天堂。它為不同的神經網絡提供了大量支持，如CNN，RNN和LSTM。它可以在不犧牲速度的情況下處理大量數據。