调研适合c++训练和部署的框架

目录

1. caffe

2. TensorFlow

3. Pytorch

4. PaddlePaddle

5. darknet

---

1. caffe

GitHub - BVLC/caffe: Caffe: a fast open framework for deep learning.

Caffe (Convolutional Architecture for Fast Feature Embedding) Caffe是一个早期流行的深度学习框架，特别擅长于图像分类、分割和物体检测等计算机视觉任务。

但是Caffe已经多年不更新维护了。

优点：完全基于c++开发，速度优势明显。

缺点：学习成本大，且已经无人维护。

适合程度：☆☆☆

2. TensorFlow

GitHub - tensorflow/tensorflow: An Open Source Machine Learning Framework for Everyone

TensorFlow虽然主要使用Python作为开发接口，但它底层是用C++编写的，并且提供C++ API，允许用户直接使用C++进行开发。

优点：一直有人维护，且是老牌的框架，社区资源丰富；python和c++都得到同等支持；

缺点：接口偏向于c++，相对于pytorch学习成本高。

适合程度：☆☆☆☆☆

3. Pytorch

https://github.com/pytorch/pytorch

PyTorch同样以Python为主导，但它的C++前端（torch::script）和C++ API允许开发者使用C++构建和运行神经网络模型。

优点：一直有人维护，且是老牌的框架（但没有tensorflow老牌），社区资源丰富（比tensorflow还丰富）；与 Python 深度集成，使其对 Python 程序员来说直观且易于使用，学习成本低；

缺点：主要支持python，对c++支持不够，比如没有DDP模块不能分布式训练模型。

适合程度：☆☆☆☆

4. PaddlePaddle

https://github.com/PaddlePaddle/Paddle

百度的PaddlePaddle提供了python和C++接口，用于构建和部署深度学习模型，特别是在边缘计算和嵌入式设备上。

优点：一直有人维护，国产框架，拥有详细完备的中文教程； 学习成本低；

缺点：相对老牌框架，此框架资源较少，很多最新的网络要完全自己实现；提供了c++接口的框架Paddle Lite，但是此框架目前仅支持部署，不支持训练。

适合程度：☆☆☆

5. darknet

https://github.com/pjreddie/darknet

Darknet是一个开源的神经网络框架，由Joseph Redmon开发，主要用于实现深度学习中的目标检测、分类和回归任务。它完全用C语言编写，这使得它非常轻量级且易于在各种平台上部署，包括嵌入式系统。 原作者已经停止更新。

后面另一个大神Alexey Bochkovskiy继续更新了darknet。语言包含了c++了。

优点：由于其高效性，Darknet可以用于需要实时处理的应用，如视频流分析；对于计算资源有限的设备，如无人机或边缘设备，Darknet是一个不错的选择。

缺点：darknet不提供像上述框架那样丰富的API和模型定制选项；资源有限，虽然Darknet有一个活跃的社区，但其规模和资源通常比不上更流行的框架；学习成本贼高，不建议新手尝试。

适合程度：☆☆☆