关于不同的深度学习框架之间有何区别,看视频学习时偶然get一个形象的比喻:
可以用盖房子来形容,我有一堆原材料(水泥、沙子、石子、木头),我想盖一个三层楼的小房子用来居住,那么首先需要将原材料加工成砖瓦木器,然后按照图纸将砖瓦木器搭建组装成房子。
在这里,原材料就相当于深度学习的数据集,房子就是我们的要得到的训练好的模型,而房子用的是什么种类的砖、什么形状的木头则多种多样,它取决于选用的框架,比如我有泥土想要烧砖,用pytorch烧得到的是实心红砖,用tensorflow烧得到的是空心灰砖,它们虽然形状不同,但是都可以把原材料加工成建造房子所需要的组件,并按照组件之间的搭建规则最终建造起所需要的房子。在这里,实心砖和空心砖的搭建规则自然是不同的。
因此,不同框架之间的区别可以理解为对原始数据的加工形式和组件之间的组建形式有区别。
分享之,供参考,如有不对还请指正。