前言
人工智能的飞跃式发展与机器学习算法的进步紧密相连,而深度学习则是实现机器学习的核心技术。开展深度学习相关项目,选择合适的深度学习框架是相当重要的,合适的深度学习框架可以节省很多重复的工作。
值得注意的是,当前并没有完美的深度学习框架,因此从众多主流的深度学习框架中选择适合自身项目的框架并非易事。为助力大家选择合适的框架,本文在回顾近十种常见框架的基础上,聚焦当前受众最广、热度最高的两种深度学习框架TensorFlow和PyTorch。让大家对这种深度学习框架有一个全面清晰地了解。
深度学习框架的概览
技术应用的普及与技术的高效实现密不可分,深度学习框架通过将深度学习算法模块化封装,能够实现训练、测试、调优模型的快速搭建,为技术应用的预测与落地的决策提供有力支持。当前人工智能生态的朝气蓬勃与深度学习框架的百家齐放,可谓相辅相成,相互成就。
当前流行的深度学习框架主要包括TensorFlow、PyTorch、Keras、PaddlePaddle、CNTK、MXNet、DeepLearning4J、Theano、Chainer等,具体如下表所示。
TensorFlow和PyTorch发展历程
TensorFlow的前身是2011年GoogleBrain内部孵化项目DistBelief,这是一个为深度神经网络构建的机器学习系统。经过Google内部的锤炼后,在2015年11月9日,以ApacheLicense2.0的开源协议对外发布了TensorFlow,并于2017年2月发布了1.0.0版本,这标志着TensorFlow稳定版的诞生。2018年9月TensorFlow1.2版本发布,将Keras融入TensorFlowÿ