第10章-深度学习开源框架

DEEPLEARNING深度学习第十章深度学习开源框架10.1

Caffe10.2

TensorFlow10.3其它开源框架of402习题10.1Caffe第十章深度学习开源框架of403Caffe是一个清晰、高效、开源的深度学习框架，很适合初学者。它由加州大学伯克利的PHD贾扬清开发深度学习框架之一。10.1.1Caffe框架贾扬清10.1Caffe第十章深度学习开源框架of40410.1.1Caffe框架多语言速度快易上手社区好代码组织好。可读性强，例子多。采用MKL、OpenBLAS等计算库，支持GPU加速。国内外都有较活跃的社区、且有很多衍生项目。支持C++、Python和Matlab。第十章深度学习开源框架10.1

Caffe10.2

TensorFlow10.3其它开源框架of405习题10.2TensorFlow第十章深度学习开源框架10.2.1TensorFlow框架of406TensorFlow是Google开源的一个深度学习框架。实现了本地和分布式两种接口机制。本地实现机制的client端、master端和worker均运行在同一个机器中；分布式实现机制它与本地实现的代码基本相同，但是client端、master端和worker进程一般运行在不同的机器中，所包含的不同任务由一个集群调度系统进行管理。具备如下优点：1.多样化部署；2.可被基于梯度的机器学习算法借鉴；3.灵活的Python接口；4.可映射到不同硬件平台；5.支持分布式训练。第十章深度学习开源框架10.1

Caffe10.2

TensorFlow10.3其它开源框架of407习题10.3其它开源框架第十章深度学习开源框架of4081.CNTK2.MXNet3.Theano4.Torch5.Deeplearning4j10.3其它开源框架第十章深度学习开源框架10.3.1CNTKof409CNTK的5个主要特点训练和测试多种神经网络的通用解决方案。AB用户使用一个简单的文本配置文件指定一个网络。C尽可能无缝地把很多计算在一个GPU上进行。D自动计算所需要的导数，网络是由许多简单的元素组成。E通过添加少量的C++代码来实现必需块的扩展。E对windows平台的支持更好。10.3其它开源框架第十章深度学习开源框架10.3.2MXNetof4010MXNet的7个主要特点：（1）其设计说明可以被重新应用到其他深度学习项目中。（2）任意计算图的灵活配置。（3）整合了各种编程方法的优势，最大限度地提高灵活性和效率。（4）轻量、高效的内存，以及支持便携式的智能设备，如手机等。（5）多GPU扩展和分布式的自动并行化设置。（6）支持Python、R、C++和Julia。（7）对云计算友好，直接兼容S3、HDFS和Azure。10.3其它开源框架第十章深度学习开源框架10.3.3Theanoof4011Theano的6个主要特点01与NumPy紧密相关02透明地使用GPU03高效符号分化04速度和稳定性的优化05动态生成C代码06广泛的单元测试和自我验证10.3其它开源框架第十章深度学习开源框架10.3.4Torchof4012很多实现索引、切片、移调的程序。Torch的4个主要特点通过LuaJIT的C接口。快速、高效的GPU支持。可嵌入、移植到iOS、Android和FPGA的后台。采用Lua语言10.3其它开源框架第十章深度学习开源框架10.3.5Deeplearning4jof4013Deeplearning4j的4个主要特点：依赖