国内最专业的IT技术学习网

UI设计

当前位置:主页 > UI设计 >

TensorFlow与PyTorch之争,哪个框架最适合深度学习

发布时间:2019/09/02标签:   框架    点击量:

原标题:TensorFlow与PyTorch之争,哪个框架最适合深度学习
假如你在读这篇文章,那末你能够曾经开端了本人的深度进修之旅。假如你对这一范畴还不是很熟习,那末简略来讲,深度进修应用了「野生神经收集」,这是一品种似大脑的特别架构,这个范畴的进展目的是开辟出能处理实在天下成绩的类人盘算机。为了关心开辟这些架构,谷歌、Facebook 和 Uber 等科技巨子曾经为 Python 深度进修情况公布了多款框架,这让人们能够更轻松地进修、构建和练习差别范例的神经收集。本文将具体先容和比拟两种风行的框架: TensorFlow 与 PyTorch。1、谷歌的 TensorFlowTensorFlow 是谷歌的开辟者制造的一款开源的深度进修框架,于 2015 年公布。民间研讨公布于论文《TensorFlow:异构散布式体系上的大范围呆板进修》。论文地点:http://download.tensorflow.org/paper/whitepaper2015.pdfTensorFlow 现已被公司、企业与守业公司普遍用于主动化任务义务和开辟新体系,其在散布式练习支撑、可扩大的出产和安排选项、多种装备(比方安卓)支撑方面备受好评。2、Facebook 的 PyTorchPyTorch 是最新的深度进修框架之一,由 Facebook 的团队开辟,并于 2017 年在 GitHub 上开源。无关其开辟的更多信息请参阅论文《PyTorch 中的主动微分》。论文地点:https://openreview.net/pdf?id=BJJsrmfCZPyTorch 很简练、易于应用、支撑静态盘算图并且内存应用很高效,因而越来越受欢送。接上去还会更具体地先容。3、咱们能够用 TensorFlow 和 PyTorch 构建甚么?神经收集后来是被用于处理手写数字辨认或用相机辨认汽车注册车牌等简略的分类成绩。但跟着迩来框架的进展以及英伟达高盘算机能图形处置单位(GPU)的提高,咱们能够在 TB 级的数据上练习神经收集并求解远远愈加庞杂的成绩。一个值得说起的成绩是在 TensorFlow 和 PyTorch 中完成的卷积神经收集在 ImageNet 上都到达了以后最好的表示。练习后的模子能够用在差别的利用中,比方目的检测、图象语义宰割等等。只管神经收集架构能够基于任何框架完成,但成果却并纷歧样。练习进程有大批参数都与框架息息相干。举个例子,假如你在 PyTorch 上练习一个数据集,那末你能够应用 GPU 来加强其练习进程,由于它们运转在 CUDA(一种 C++ 后端)上。TensorFlow 也能应用 GPU,但它应用的是本人内置的 GPU 减速。因而,依据你所选框架的差别,练习模子的时光也老是各不雷同。1. TensorFlow 优良名目Magenta:一个探究将呆板进修用作制造进程的东西的开源研讨名目:https://magenta.tensorflow.org/Sonnet:这是一个基于 TensorFlow 的软件库,可用于构建庞杂的神经收集:https://sonnet.dev/Ludwig:这是一个无需写代码就能练习和测试深度进修模子的东西箱:https://uber.github.io/ludwig/2. PyTorch 优良名目CheXNet:应用深度进修来剖析胸部 X 光照片,能完成喷射科大夫程度的肺炎监测:https://stanfordmlgroup.github.io/projects/chexnet/PYRO:这是一种用 Python 编写的通用几率编程言语(PPL),后端由 PyTorch 支撑:https://pyro.ai (https://pyro.ai/)Horizon:一个用于利用强化进修(Applied RL)的平台:https://horizonrl.com (https://horizonrl.com/)这些只是基于 TensorFlow 和 PyTorch 构建的大批框架和名目。你能在 TensorFlow 和 PyTorch 的 GitHub 和官网上找到更多。4、PyTorch 和 TensorFlow 对照PyTorch 和 TensorFlow 的要害差别是它们履行代码的方法。这两个框架都基于基本数据范例张量(tensor)而任务。你能够将张量看做是下图所示的多维数组。

版权信息Copyright © IT技术教程 版权所有    ICP备案编号:鲁ICP备09013610号