深度学习开源平台介绍

1训练框架

Pytorch

PyTorch是由Facebook人工智能研究小组开发的一种基于Lua编写的Torch库的Python实现的深度学习库，也是目前使用范围和体验感最好的一款深度学习框架。它的底层基于Torch，但实现与运用全部是由python来完成。该框架主要用于人工智能领域的科学研究与应用开发。PyTroch最主要的功能有两个，其一是拥有GPU张量，该张量可以通过GPU加速，达到在短时间内处理大数据的要求；其二是支持动态神经网络，可逐层对神经网络进行修改，并且神经网络具备自动求导的功能。

一些学习资料与文档：

• Awesome-pytorch-list：包含了NLP,CV,常见库，论文实现以及Pytorch的其他项目，地址：https://github.com/bharathgs/Awesome-pytorch-list；
• PyTorch官方文档：官方发布文档，地址：https://pytorch.org/docs/stable/index.html；
• Pytorch-handbook：pytorch hand book，地址：https://github.com/zergtant/pytorch-handbook；
• PyTorch官方社区：pytorch开发者社区，地址：https://discuss.pytorch.org/

MXNet

MXNet 是亚马逊维护的深度学习库，它拥有类似于 Theano 和 TensorFlow 的数据流图，为多 GPU 提供了良好的配置。MXNet结合了高性能、clean的代码，高级API访问和低级控制，是深度学习框架中的佼佼者。

优点：

1. 速度上有较大优势；
2. 灵活编程，支持命令式和符号式编程模型；
3. 多平台支持：可运行于多CPU、多GPU、集群、服务器、工作站甚至移动mobile phone；
4. 多语言支持：支持包括C++、Python、R、Scala、Julia、Matlab和JavaScript语言；
5. 性能优化：使用一个优化的C++后端引擎并行I/O和计算，无论使用哪种语言都能达到最佳性能；
6. 云端友好；

缺点：

1. 社区较小；
2. 入门稍微困难些；

Tensorflow