深度学习框架对比

PaddlePaddle

简单介绍

PArallel Distributed Deep Learning （并行分布式深度学习）  PaddlePaddle 是百度自主研发的性能优先、灵活易用的深度学习平台，是一个已经解决和将要解决一些实际问题的平台。已为百度内部多项产品提供深度学习算法支持，在深度学习框架方面，覆盖了搜索、图像识别、语音语义识别理解、情感分析、机器翻译、用户画像推荐等多领域的业务和技术, 如外卖的预估出餐时间、预判网盘故障时间点、精准推荐用户所需信息、海量图像识别分类、字符识别（OCR）、病毒和垃圾信息检测、机器翻译和自动驾驶等领域。

官网

http://www.paddlepaddle.org/

所用语言以及适合模型

C/C++ /cuda /  python   CNN/RNN/LSTM 

适用系统：linux osx

支持模式

支持CPU/GPU的单机和分布式模式。同时支持海量数据训练、数百台机器并行运算

优缺点

具有高质量的GPU代码；非常好的RNN设计；可以实现CPU并行运算

（1）灵活

PaddlePaddle支持大量的神经网络架构和优化算法，支持任意复杂RNNs结构，高效处理batch，无需数据填充。简单书写配置文件即可实现复杂模型，比如拥有注意力（Attention）机制、外围记忆层（External Memory）或者用于神经机器翻译模型的深度时序快进网络。

（2）高效

为了利用异构计算资源的能力，PaddlePaddle中的每一级都会进行优化，其中包括计算、内存、架构和通信。以下是几个例子：

Ø  使用SSE/AVX内联函数、BLAS数据库（例如MKL、ATLAS、cuBLAS）和定制化的CPU/GPUKernal来优化数学运算。

Ø  高度优化RNNs网络，在没有Padding的情况下，也能处理不同长度的序列。

Ø  优化的本地和分布式训练，同时支持高纬稀疏模型。

（3）可扩展

有了PaddlePaddle，使用多个CPU和GPU以及机器来加速训练可以变得很轻松。 PaddlePaddle能通过优化通信，获得高吞吐量和性能。

（4&#