Tensorflow 全網最全學習資料匯總之框架平臺的綜合對比【3】

2020-12-19 雷鋒網

作為機器學習領域、尤其是 Python 生態圈最受歡迎的框架平臺，TensorFlow 具有許多吸引開發者的優點。其中最顯而易見的是谷歌的技術支持和完善的社區（龐大用戶群）。這些都為 TensorFlow 的普及打下了基礎。但是，開發者需要了解 Tensorflow 在技術上有哪些值得一提的優勢，又有哪些不足，以便在處理特定任務時進行工具選擇。而這些，必須要在與其他平臺、框架的對比中才能凸顯。順便說一句老生常談的話，沒有萬能的工具，只有在不同應用場景下最合適的選擇。因此，雷鋒網整理了介紹 Tensorflow、Caffe、Microsoft Cognitive Toolkit （CNTK）、MXnet、Torch 等平臺框架，以及對它們做橫向對比的文章，供讀者按圖索驥。

綜合介紹

這部分的文章，對 TensorFlow 和其它主流深度學習框架、平臺做了概括性介紹，歸納它們的主要特點。有經驗的開發者可跳過。

對 Tensorflow、DeepMind Lab、Universe、FastText、CNTK、MXNet、SystemML 這七個開源機器學習平臺、框架做了介紹。它們都是谷歌、微軟、亞馬遜、IBM 等國際網際網路巨頭開發或維護的平臺，在一定程度上反應了巨頭們的 ML 布局以及研究傾向。

注意：該文章發布時 Facebook 尚未推出 Pytorch。現在看來，Pytorch 是臉書在 ML 領域的關鍵項目。

地址：http://www.leiphone.com/news/201612/rFVygnQf4WjogJQR.html

對 TensorFlow、Torch、Caffe、Theano、Deeplearning4j 等主流開源框架作了簡要介紹，總結了它們的核心優勢及特點。

地址：http://www.leiphone.com/news/201608/5kCJ4Vim3wMjpBPU.html （來源雷鋒網）

這篇文章翻譯自 Medium，同樣是對開源框架的綜合性介紹。它出自 BEEVA Labs 的數據分析師 Ricardo Guerrero Gomez-Ol 之手，對 TensorFlow、Theano、Keras、Lasagne 等框架和工具做了簡要介紹。

地址：http://geek.csdn.net/news/detail/132553

橫向對比

整理自香港浸會大學褚曉文教授研究團隊的論文。褚教授在論文中對 Caffe、CNTK、MXNet、TensorFlow、Torch 幾大工具在 CPU、GPU 平臺上的性能表現做了深度評測。該論文一經發表便受到廣泛關注，堪稱是迄今為止，對上述幾個主流深度學習框架最深入、客觀的計算性能對比。其研究結果，簡明扼要得歸納了這幾大平臺分別最適合處理何種神經網絡任務。雷鋒網(公眾號：雷鋒網)強力推薦。

地址：http://www.leiphone.com/news/201701/OlEiX6kZLKHVUyW2.html （來源雷鋒網）

這篇文章翻譯自 Infoworld，對  TensorFlow、Caffe、CNTK、MXNet、Scikit-learning、Spark MLlib 等幾大框架的優缺點進行了點評，以及實踐總結。本文針對不同背景、習慣的開發者，提供了平臺選擇上的建議。

地址：https://news.cnblogs.com/n/562250/  

這篇文章羅列了 TensorFlow、Theano、MXnet 三者的主要屬性和技術規格，做了簡明扼要的對比。

地址：http://www.tuicool.com/articles/BVFb6bb

這是國內一名為陳汝丹的開發者的實操心得，對三個框架發表了自己的看法。文章對技術的討論較為細緻，適合做實踐參考。

地址：http://chenrudan.github.io/blog/2015/11/18/comparethreeopenlib.html#0-tsina-1-2654-397232819ff9a47a7b7e80a40613cfe1

與其它框架的對比

2016 年下半年開源的 PaddlePaddle 是百度的誠意之作，或許還是國內誕生的最具重量級的機器學習框架。這篇文章對其做了介紹，並邀請行業人士對 PaddlePaddle 相對於 TensorFlow、Caffe 的優缺點做了簡要評論。

地址：http://www.leiphone.com/news/201608/TfDtMfbKkUOEieWm.html（來源雷鋒網）

由於 TensorFlow 與 Theano 有替代關係，兩者之間的比較是個相對熱門的話題。這是知乎上的問答，直接對比了這兩個深度學習框架。

地址：https://www.zhihu.com/question/41907061

補充

最後，說到 TensorFlow 就不得不提最近的一個大新聞——「TensorFlowOnSpark」。該框架使得 TensorFlow 兼容於 Apache Spark，能直接獲取後者的數據集，為開發者減少大量麻煩。

地址：http://www.leiphone.com/news/201702/XwhHugKHTk86WQso.html

雷鋒網原創文章，未經授權禁止轉載。詳情見轉載須知。

相關焦點

  • 對比深度學習十大框架:TensorFlow 並非最好?
    TensorFlow連結：https://www.tensorflow.org/對於那些聽說過深度學習但還沒有太過專門深入的人來說，TensorFlow 是他們最喜歡的深度學習框架，但在這裡我要澄清一些事實。
  • 從框架優缺點說起,這是一份TensorFlow入門極簡教程
    隨著 TensorFLow 在研究及產品中的應用日益廣泛，很多開發者及研究者都希望能深入學習這一深度學習框架。而在昨天機器之心發起的框架投票中，2144 位參與者中有 1441 位都在使用 TensorFlow 框架，是所有框架中使用率最高的。但 TensorFLow 這種靜態計算圖有一定的學習成本，因此也阻擋了很多初學者入坑。
  • 深度| 對比深度學習十大框架:TensorFlow最流行但並不是最好
    選自Medium機器之心編譯參與：吳攀、朱思穎、李亞洲2016 年已經過去，BEEVA Labs 數據分析師 Ricardo Guerrero Gomez-Ol 近日在 Medium 上發表了一篇文章，盤點了目前最流行的深度學習框架。為什麼要做這一個盤點呢？他寫道：「我常聽到人們談論深度學習——我該從哪裡開始呢？TensorFlow 是現在最流行的吧？
  • TensorFlow和Caffe、MXNet、Keras等其他深度學習框架的對比
    然而 TensorFlow 卻殺出重圍，在關注度和用戶數上都佔據絕對優勢，大有一統江湖之勢。表 2-1 所示為各個開源框架在GitHub上的數據統計（數據統計於 2017 年 1 月 3 日），可以看到 TensorFlow 在 star 數量、fork 數量、contributor 數量這三個數據上都完勝其他對手。
  • 2020,PyTorch真的趕上TensorFlow了嗎?
    原創 Synced 機器之心機器之心報導參與：張倩、杜偉幾天前，OpenAI 通過官方博客宣布了「全面轉向 PyTorch」的消息，計劃將自家平臺的所有框架統一為 PyPyTorch。
  • TensorFlow 2.0開源工具書,30天「無痛」上手
    機器之心報導項目作者：lyhue1991「官方文檔排布凌亂、搜索難用、API 醜陋不堪……」這是很多人對 TensorFlow 官方文檔的吐槽。但吐槽歸吐槽，到了工業界，你是無論如何也繞不開這個框架的。既然非學不可，那怎麼讓這個學習過程變得更加平滑呢？
  • 2020,國產AI開源框架「亮劍」TensorFlow、PyTorch
    在那個3月28日，華為在開發者大會2020上完成了輪值董事長徐直軍在去年8月的承諾，宣布正式開源MindSpore，這是一款支持端邊雲全場景的深度學習訓練推理框架。 時間撥到四天前，AI獨角獸曠視科技宣布開源天元（MegEngine），強調這是訓練推理一體化、動靜態合一的工業級深度學習框架。
  • 詳解深度強化學習展現TensorFlow 2.0新特性(代碼)
    讀者也可以在TensorFlow文檔中對此做深入了解：https://www.tensorflow.org/tutorials/eager/eager_basics深度強化學習一般來說，強化學習是解決順序決策問題的高級框架。
  • 谷歌重磅推出TensorFlow Graphics:為3D圖像任務打造的深度學習利器
    https://colab.sandbox.google.com/github/tensorflow/graphics/blob/master/tensorflow_graphics/notebooks/6dof_alignment.ipynb這項任務是許多應用程式的核心，比如專注於與環境交互的機器人。
  • 推薦| ThoughtWorks 大牛教你入門 Tensorflow
    但如何將深度學習技術，實現圖片識別、文本分析等模型，運用到實際的系統中，還有很多要做的事情。如果你想學習圖像風格融合、聊天機器人等項目實戰的經驗！雷鋒網(公眾號：雷鋒網)AI慕課學院誠邀您報名 Tensorflow & 神經網絡算法高級應用班，看 ThoughtWorks 大牛更多秀出代碼，拒絕枯燥的理論講解，減少數學公式！
  • 這裡有一份TensorFlow2.0中文教程
    今年 3 月份，谷歌在 Tensorflow Developer Summit 2019 大會上發布 TensorFlow 2.0 Alpha 版。作為當前最為流行的深度學習框架，2.0 Alpha 版的正式發布引人關注。近兩個月，網上已經出現了大量 TensorFlow 2.0 英文教程。在此文章中，機器之心為大家推薦一個持續更新的中文教程，以便大家學習。
  • 代碼+實戰:TensorFlow Estimator of Deep CTR——DeepFM/NFM/AFM/...
    特徵框架，訓練框架，服務框架，評估框架和監控框架，這裡只討論前三個框架。<tensorflow::string, tensorflow::TensorProto>& inputs = *predictRequest.mutable_inputs();//feature to tfrequeststd
  • PyTorch稱霸頂會:CVPR論文佔比是TensorFlow 4 倍
    機器之心報導參與：杜偉在開源框架領域，PyTorch 與 TensorFlow 之爭一直存在，研究人員在寫論文時也會有不同的偏向。自 2009 年深度學習再度成為焦點以來，很多機器學習框架成為研究者和業界開發者的新寵。從早期的學術框架 Caffe、Theano 到如今 Pytorch、TensorFlow 這樣越來越大規模的開發框架。
  • TensorFlow 2.1指南:keras模式、渴望模式和圖形模式(附代碼)
    哪種框架最適合我的用例？這種方法可擴展嗎？我們是否考慮到可擴展性？如果你像我一樣是一個普通人，那麼可能已經體驗到有時會陷入應用程式開發的困境，以至於很難停下來，去思考一下我們是否採取了有效的方式。在AI領域尤其如此。眾所周知，人工智慧是一個快速發展的領域。當天發表了新的研究。正在迅速開發的主要AI框架之間存在著巨大的鬥爭。
  • tensorflow2.4的重大改進
    tensorflow01Keras混合精度APItf.keras.mixed_precision不再是實驗性的，並且允許在訓練期間使用16位浮點格式，從而在GPU上將性能提高了3倍，在TPU上提高了60％。請參閱下面的其他詳細信息。TF Profiler現在支持使用採樣模式API對多個工作進程進行性能分析。
  • 谷歌開源TensorFlow Object Detection API物體識別系統
    機器之心對該文進行了編譯，原文連結請見文末。在谷歌，研究人員開發了最高水平的計算機視覺機器學習系統，不僅可以用於谷歌自身的產品和服務，還可以推廣至整個研究社區。創造能夠在同一張圖片裡定位和識別多種物體的機器學習模型一直是業內的核心挑戰之一，谷歌宣稱自己已投入大量時間訓練和實驗此類系統。
  • 將Tensorflow 圖序列化以及反序列化的巧妙方法
    翻譯 |王褘      整理 | MY將類中的欄位和 graph 中的 tensorflow 變量進行自動綁定，並且在不需要手動將變量從 graph 中取出的情況下進行重存，聽起來有沒有很炫酷？可以點擊這裡找到本文所涉及的代碼。
  • TensorFlow驚現大bug?網友:這是逼著我們用PyTorch啊
    谷歌團隊 2015 年發布的 TensorFlow 框架是目前機器學習領域最流行的框架之一。雖然後起之秀 PyTorch 奮起直追，但 TensorFlow 框架的使用者仍然眾多。TensorFlow 經常被吐槽難用、新版本也常常收到差評，但不管怎樣，已經誕生五年之久的 TensorFlow 應該不會有什麼太大的 bug 吧？然而，事實似乎並非如此。
  • 挑戰TensorFlow、PyTorch,「後浪」OneFlow 有沒有機會?
    OneFlow的核心設計理念就是從分布式的性能角度出發，打造一個多機多卡體驗就像使用單卡一樣容易，而且速度最快的深度學習框架。深度學習是吞沒算力的巨獸。多機多卡的理想很豐滿，現實很骨感，用戶會遇到多機多卡加速比不高，得不償失，用戶會遇到參數梁巨大時，現有框架不支持模型並行而無法訓練。
  • PyTorch 1.6、TensorFlow 2.3、Pandas 1.1 同日發布!都有哪些新...
    所有深度學習研發者都需要同時了解PyTorch和TensorFlow，並精通其中一種,需要同時了解PyTorch和TensorFlow的原因在於：(1) 絕大多數情況下研發人員並沒有太多選擇框架的自由。