2019深度学习框架排行榜(从TOP 10到TOP 3)

  • 时间:
  • 浏览:0

5G都并能说是2019年上7天 十分闪耀的那颗“星”了,美方还不惜代价地试图封锁中国的5G技术出海。5G未必重要,是不可能 其将和AI技术,大数据技术一道颠覆当当人们当当人们儿现有的生活模式,让智能化成为现实。

在智能化的世界,5G技术提供高层厚(>1 Gbps),低延时(1ms)的基础网络服务,组建物联网(IoT,Internet of Things),大数据技术提供对万物互联产生的海量数据的整合能力,而AI技术则提供整个智能生态的计算与决策能力,层厚学习技术是非常高效的实现法律方法,在过去10年,已被学术界和工业界反复证实,并能依靠各种模型算法达成比人类判断更精准,更快速的“灵丹妙药”。

Figure 1 智能时代 

技术需用高效的实现模式来进行应用,层厚学习框架太久太久 我那个实现“灵药“的“炼丹炉”,并能通过层厚学习算法模块化的封装,快速搭建模型,输入数据,进行各种模型的训练,调优,测试和部署,为整个智能生态提供预测,决策等核心推断能力。

2.层厚学习框架排行榜

得益于层厚学习框架发展初期各家为更好的推动技术发展而造就的开源生态模式,如今,各式各样的框架百花齐放,百家争鸣,快速推动了层厚技术在工业界的落地应用。当然,好“药”也得有好“炉”炼,下面当当人们当当人们儿就介绍下目前主流的层厚学习框架的发展具体情况,个人的特点以及适合的场景等,找到大约的“炉“。

从业界影响、资源投入、开发生态、文档体系、模型全面性、工业实践和开源热度(github)等七个方面评估各框架的发展具体情况,结果如下图(供参考)。

Figure 2 十大层厚学习框架发展程度(caffe,caffe2分开统计) 

再来看一下GitHub对应的太久太久数据具体情况,Pytorch,TensorFlow,PaddlePaddle过去两年保持了较快的发展层厚,尤其Pytorch的星数有3倍增长,博得了众多人的眼球。而Caffe&Caffe2,Theano,CNTK等,我我觉得不可能 停止迭代,但在AI启航的时间点仍然有一定的增长。

Figure 3 十大层厚学习框架github概览(caffe,caffe2分开统计) 

Figure 4 十大层厚学习框架增长率(caffe,caffe2分开统计) 

上图中,前有有2个多 (Pytorch,TensorFlow,PaddlePaddle)是当时人认为目前发展快,很久比较完善的框架,末端的2个是不可能 官宣不再更新的,而太久太久的是发展到平稳期或资源有限的太久太久框架。

3.十大层厚学习框架详解

Google的TensorFlow,都并能说是当今十分流行的层厚学习框架。Airbnb, DeepMind,Intel,Nvidia,Twitter以及太久太久太久太久著名公司都有使用它。

Google自开源TensorFlow起,投入血块的人力,物力,财力逐步构建了有有2个多 AI生态,从基础研究、AI教育、再到应用实现,而这些 生态的核心太久太久 我TensorFlow。如前所说,层厚学习是AIoT时代的基石,毫无问题报告 报告 ,Google依然走在时代转折点的前列。

TensorFlow提供全面的服务,无论是Python,C++,JAVA,Go,甚至是Javascript,Julia,C#,几乎所有开发者都都并能从熟悉的语言入手刚现在始于层厚学习的旅程。TensorFlow构建了活跃的社区,完善的文档体系,大大降低了当当人们当当人们儿的学习成本,不过社区和文档主要以英文为主,中文支持有待加强。另外,TensorFlow有很直观的计算图可视化呈现。模型并能快速的部署在各种硬件机器上,从高性能的计算机到移动设备,再到更小的更轻量的智能终端。

TensorFlow的缺点不可能 被诟病多年,相比Pytorch,Caffe等框架,TensorFlow的计算层厚都并能说是“牛拉车“。很久通过它构建有有2个多 层厚学习框架需用更冗杂的代码,需用忍受重复的多次构建静态图。

综合来说,对于英文阅读和英文交流毫无障碍的同学,TensorFlow依然是层厚学习框架的优选方案,毕竟都并能和人流畅交流是学习和工作的重点。

Pytorch是基于用Lua编写的Torch库的Python实现的层厚学习库,它由Facebook创建,目前被广泛应用于学术界和工业界,随着Caffe2项目并入Pytorch,也稳固了Pytorch紧追并迫近TensorFlow在层厚学习应用框架领域的地位。

Pytorch官网的标题语简明的描述了目前Pytorch的特点以及将要发力的方向。Pytorch在学术界优势很大,关于用到层厚学习模型的文章,除了Google家的,太久太久大帕累托图都有通过Pytorch进行实验的,究其因为 一是Pytorch库足够简单,跟NumPy,SciPy等都并能无缝连接,很久基于tensor的GPU加速非常给力,二是训练网络迭代的核心-梯度的计算,Autograd架构(借鉴于Chainer),在Pytorch,当当人们当当人们儿都并能动态的设计网络,而不会笨拙的定义静态网络图,并能去进行计算,想要对网络有任务修改,都有从头刚现在始于构建静态图。基于简单,灵活的设计,Pytorch快速成为了学术界的主流层厚学习框架。

Pytorch的劣势在于模型部署,不可能 对其部署难度早有耳闻,我没尝试过部署Pytorch的模型,一般是在Pytorch快速的试验新的模型,确认好的效果再去找“现成的”的TensorFlow模型做简单的优化。

不过现在,不可能 稍微深入的了解TensorFlow和Pytorch,就会发现当当人们当当人们这麼 像,TF加入了动态图架构,Pytorch致力于其在工业界更加易用。打开个人的官网,你也会发现文档风格也越发的类似于。

 

PaddlePaddle是由百度自主开发的开源层厚学习框架,近期发现有了中文名字,飞桨。官网截图也很有意思,太久太久 小人在划桨。飞桨刚发布的很久,未必被看好,感觉更像是Google有,百度也要有的腔调,很久近来在做有有2个多 关于语义识别的项目,太久太久框架支持中文的模型我我觉得是少的可怜,时间紧张也这麼 时间大规模训练,于是就来试试飞桨,其中基于BERT的ERNIE模型取得了较好的效果,部署太久太久 我折腾。当时人认为都并能将模型库中的经典模型套在当时人的问题报告 报告 上,作为baseline模型快速试验,而后慢慢调优追求更好的效果。

从模型库找到适合当时人的模型,按照实践教程一步步进行就行了,过程还是比较简单的,遇到的问题报告 报告 在github的issues中都有找到,我我觉得不像TF这麼 活跃,很久支持也是很及时的。我是从官网找模型,发现官网又更新了,盗张图过来感受下支持的模型。

Figure 5 PaddlePaddle模型库 

功能上,飞桨一起去支持动态图和静态图,能方便的调试模型,方便的部署,非常适合业务应用的落地实现。飞桨太久太久 我可能 支持数百个节点的高效并行训练。都并能说在过去2年的时间里,层厚学习领域在大规模的落地应用,各家框架太久太久 我是快速的发展,很久百度的PaddlePaddle看来是这些 阶段发展更快的框架,甚至是发展更快的AI开发生态。

以上有有2个多 框架都并能说是目前发展比较快的,很久在稳定更新,维护的。功能上来说,各框架不可能 “越长越像”了,有有2个多 框架还是会有个人的特点,如保选者还是要根据当时人的目标来看。

下面来简单介绍下太久太久的太久太久主要框架。

4.如保选者?

这麼 如保在众多的框架中选者呢,我的建议有2个框架:TensorFlow,Pytorch,飞桨。太久太久的都有投入资源有限,太久太久 我不可能 不再维护了。实际上,当当人们当当人们儿太久太久应该都了解下这2个框架,针对不同的目的都并能快速选型。

不可能 是很久接触层厚学习,以学习为目的的,我建议从TensorFlow和飞桨刚现在始于,大约目前来看,Google和百度是倾全力打造这些 个多多 平台的,当当人们当当人们不可能 不太久太久 我有有2个多 层厚学习框架了,更是有有2个多 AI开发的生态,从基础的视频课程,完善的文档体系到项目的开放落地提供的是统一的服务。多说一句,百度飞桨的基础文档相当完整性,都并能 都并能 代码实现,数据流过程的教程,一起去也涵盖了完整性的算法原理,这点对于还都有这麼 了解相应模型的同学来说是极大的方便。对于学有余力的同学,还是建议对这2个框架都了解下。

不可能 是出于学术目的的,建议从Pytorch刚现在始于,毕竟学术研究要紧盯着前沿,看文章,复现文章中模型的效果,选当当人们当当人们儿都用的都并能节省未必要的时间成本,把重点放上优化模型提升模型效果上。

不可能 是想要开箱即用,想即刻将层厚学习技术应用到当时人的场景中尝试,我会建议选者飞桨,飞桨涵盖血块的实战案例,基本套到相应的场景就能迭代起来了。很久在NLP领域,需用对各种语言进行预防止,毫无问题报告 报告 对中文支持更好的是飞桨,比如ERNIE,其挖掘海量的中文数据,对先验语义知识进行建模,增强了语义表达能力,都并能作为NLP,NLU应用的基础服务不同的场景。

随手贴2个招聘网站上的JD,也都并能帮当当人们当当人们儿明确一下方向,供参考。

5.未来

当当人们当当人们儿发生更好的时代。

感谢互联网文化,感谢开源文化,让技术都并能以指数级的层厚发展,当当人们当当人们儿更要感谢在时代转折点的什么引路人,这麼 Google,百度等企业不遗余力地尝试将新技术应用于各产业,就这麼 技术的飞速发展,就这麼 美好的生活模式的变迁。

AI技术的平民化是智能时代发展的催化剂,当当人们当当人们儿应用层厚学习技术,从原理到框架,再到应用平台化工具将其落地到所有的场景,这是未来的发展趋势。得益于5G技术的发展,相信在不久的将来,当当人们当当人们儿将实现万物互联。层厚学习是AIoT时代的关键,各平台已有的实践落地项目给当当人们当当人们儿提供了产业落地的实现路径。可谓星星之火,已成燎原之势,另外,发展我国当时人的AI开发生态也同样重要,考虑到近期的“华为事件”,有备无患。

结尾想说,框架、平台都太久太久 我为当当人们当当人们儿提供了工具,明确当当人们当当人们儿的目标并找到大约的场景,推进应用在业务上的落地,实现商业价值才是核心竞争力。