Caffe、PyTorch、Scikit-learn、Spark MLlib 和 TensorFlowOnSpark 概述

在 AI 框架方面，有几种工具可用于图像分类、视觉和语音等任务。有些很受欢迎，如 PyTorch 和 Caffe，而另一些则更受限制。以下是四种流行的 AI 工具的亮点。

Caffee

Caffee是贾扬青在加州大学伯克利分校（UC Berkeley）时开发的深度学习框架。该工具可用于图像分类、语音和视觉。但是，它不适合处理文本、声音和时间序列数据。该工具是一个 BSD 许可的 C++ 库，使用 Python 作为其 API。Caffe 擅长的领域之一是图像处理，它可以“使用单个 NVIDIA K40 GPU 每天处理超过 60M 张图像”。Caffe 适用于前馈网络，但不建议用于递归神经网络和序列模型。

2017 年 4 月，Facebook 创建了 Caffe 2，为 Caffe 1.0 添加了更多功能，包括：

• 移动部署选项
• 支持大规模分布式训练
• 新的硬件支持（除了 CPU、GPU 和 CUDA）
• 支持量化计算
• 一切都经过了Facebook应用程序的压力测试

Caffe 2 中的操作员

Caffe和Caffe2中操作员功能之间的总体差异如下图所示。简而言之，Caffe 2 有 400 多个不同的运算符，可以看作是 Caffe 1.0 中层的灵活版本。运算符包含用于计算给定输入和参数的输出的逻辑。其中一个好处是，用户可以编写自己的自定义运算符。

Caffe Model Zoo

借助 Caffe Model Zoo，用户无需强化培训即可探索独特的深度学习功能并构建演示应用程序。在社区中，用户可以与其他开发人员合作，重新创建用例或改进现有模型。

这些模型可以执行大规模视觉分类、简单回归、与 Siamese 网络的图像相似性以及机器人和语音应用程序等任务。

Caffe/Caffe 2 的特点

• 有限的抽象意味着您可以在熟悉 C++ 的情况下轻松进行非常规的硬核修改。
• 提供对许多新层函数的访问，例如卷积、maxout、ReLU 等。
• 支持包括 C、C++、MATLAB、Python 和传统命令行在内的界面。
• 在原型级别