|
本文長度為2500字，建議閱讀4分鐘 本文由Indico Data Solutions的CTO Madison May根據(jù)他們公司在產(chǎn)品和開發(fā)過程中的經(jīng)驗(yàn)對7大Python深度學(xué)習(xí)框架進(jìn)行對比。 最近我無意間在「Best Python library for neural networks」話題下發(fā)現(xiàn)了一個我以前的數(shù)據(jù)科學(xué)棧交換（Data Science Stack Exchange）的答案，并且 Python 深度學(xué)習(xí)生態(tài)系統(tǒng)在過去兩年半中的演變打擊到了我。我在 2014 年 7 月推薦的庫，pylearn2，已經(jīng)不再被積極地開發(fā)或者維護(hù)，大量的深度學(xué)習(xí)庫開始接替它的位置。這些庫每一個都各有千秋。我們已經(jīng)在 indico 的產(chǎn)品或者開發(fā)中使用了以下列表中的大部分的技術(shù)，但是對于剩下一些我們沒有使用的，我將會借鑒他人的經(jīng)驗(yàn)來幫助給出 2017 年 Python 深度學(xué)習(xí)生態(tài)系統(tǒng)的清晰的、詳盡的理解。 確切地說，我們將會關(guān)注： 下面是對這 7 大 Python 深度學(xué)習(xí)框架的描述以及優(yōu)缺點(diǎn)的介紹，而且也為每個框架的使用推薦了一些資源，但因微信不支持外網(wǎng)鏈接，讀者們請閱讀原網(wǎng)址查看資源。 Theano 描述：Theano 是一個 Python 庫，允許你定義、優(yōu)化并且有效地評估涉及到多維數(shù)組的數(shù)學(xué)表達(dá)式。它與 GPUs 一起工作并且在符號微分方面表現(xiàn)優(yōu)秀。 文檔：http:///software/theano/ 概述：Theano 是數(shù)值計(jì)算的主力，它支持了許多我們列表當(dāng)中的其他的深度學(xué)習(xí)框架。Theano 由 Frédéric Bastien 創(chuàng)建，這是蒙特利爾大學(xué)機(jī)器學(xué)習(xí)研究所（MILA）背后的一個非常優(yōu)秀的研究團(tuán)隊(duì)。它的 API 水平較低，并且為了寫出效率高的 Theano，你需要對隱藏在其他框架幕后的算法相當(dāng)?shù)氖煜?。如果你有著豐富的學(xué)術(shù)機(jī)器學(xué)習(xí)知識，正在尋找你的模型的精細(xì)的控制方法，或者想要實(shí)現(xiàn)一個新奇的或者不同尋常的模型，Theano 是你的首選庫?？偠灾?，為了靈活性，Theano 犧牲了易用性。 優(yōu)點(diǎn)：
缺點(diǎn)：
Lasagne 描述：在 Theano 上建立和訓(xùn)練神經(jīng)網(wǎng)絡(luò)的輕量級庫 概述：因?yàn)?Theano 致力于成為符號數(shù)學(xué)中最先且最好的庫，Lasagne 提供了在 Theano 頂部的抽象，這使得它更適合于深度學(xué)習(xí)。它主要由當(dāng)前 DeepMind 研究科學(xué)家 Sander Dieleman 編寫并維護(hù)。Lasagne 并非是根據(jù)符號變量之間的函數(shù)關(guān)系來指定網(wǎng)絡(luò)模型，而是允許用戶在層級思考，為用戶提供了例如「Conv2DLayer」和「DropoutLayer」的構(gòu)建塊。Lasagne 在犧牲了很少的靈活性的同時，提供了豐富的公共組件來幫助圖層定義、圖層初始化、模型正則化、模型監(jiān)控和模型訓(xùn)練。 優(yōu)點(diǎn)：
缺點(diǎn)：
Blocks 描述：用于構(gòu)建和訓(xùn)練神經(jīng)網(wǎng)絡(luò)的 Theano 框架 文檔：http://blocks./en/latest/ 概述：與 Lasagne 類似，Blocks 是在 Theano 頂部添加一個抽象層使深度學(xué)習(xí)模型比編寫原始的 Theano 更清晰、更簡單、定義更加標(biāo)準(zhǔn)化。它是由蒙特利爾大學(xué)機(jī)器學(xué)習(xí)研究所（MILA）編寫，其中一些人為搭建 Theano 和第一個神經(jīng)網(wǎng)絡(luò)定義的高級接口（已經(jīng)淘汰的 PyLearn2）貢獻(xiàn)了自己的一份力量。比起 Lasagne，Blocks 靈活一點(diǎn)，代價是入門臺階較高，想要高效的使用它有不小的難度。除此之外，Blocks 對遞歸神經(jīng)網(wǎng)絡(luò)架構(gòu)（recurrent neural network architectures）有很好的支持，所以如果你有興趣探索這種類型的模型，它值得一看。除了 TensorFlow，對于許多我們已經(jīng)部署在 indico 產(chǎn)品中的 API，Blocks 是其首選庫。 優(yōu)點(diǎn)：
缺點(diǎn)：
TensorFlow 描述：用于數(shù)值計(jì)算的使用數(shù)據(jù)流圖的開源軟件庫 文檔：https://www./api_docs/python/ 概述：TensorFlow 是較低級別的符號庫（比如 Theano）和較高級別的網(wǎng)絡(luò)規(guī)范庫（比如 Blocks 和 Lasagne）的混合。即使它是 Python 深度學(xué)習(xí)庫集合的最新成員，在 Google Brain 團(tuán)隊(duì)支持下，它可能已經(jīng)是最大的活躍社區(qū)了。它支持在多 GPUs 上運(yùn)行深度學(xué)習(xí)模型，為高效的數(shù)據(jù)流水線提供使用程序，并具有用于模型的檢查，可視化和序列化的內(nèi)置模塊。最近，TensorFlow 團(tuán)隊(duì)決定支持 Keras（我們列表中下一個深度學(xué)習(xí)庫）。雖然 TensorFlow 有著自己的缺點(diǎn)，但是社區(qū)似乎同意這一決定，社區(qū)的龐大規(guī)模和項(xiàng)目背后巨大的動力意味著學(xué)習(xí) TensorFlow 是一次安全的賭注。因此，TensorFlow 是我們今天在 indico 選擇的深度學(xué)習(xí)庫。 優(yōu)點(diǎn)：
缺點(diǎn)：
Keras 描述：Python 的深度學(xué)習(xí)庫。支持 Convnets、遞歸神經(jīng)網(wǎng)絡(luò)等。在 Theano 或者 TensorFlow 上運(yùn)行。 文檔：https:/// 概述：Keras 也許是水平最高，對用戶最友好的庫了。由 Francis Chollet（Google Brain 團(tuán)隊(duì)中的另一個成員）編寫和維護(hù)。它允許用戶選擇其所構(gòu)建的模型是在 Theano 上或是在 TensorFlow 上的符號圖上執(zhí)行。Keras 的用戶界面受啟發(fā)于 Torch，所以如果你以前有過使用 Lua 語言的機(jī)器學(xué)習(xí)經(jīng)驗(yàn)，Keras 絕對值得一看。由于部分非常優(yōu)秀的文檔和其相對易用性，Keras 的社區(qū)非常大并且非?；钴S。最近，TensorFlow 團(tuán)隊(duì)宣布計(jì)劃與 Keras 一起支持內(nèi)置，所以很快 Keras 將是 TensorFlow 項(xiàng)目的一個分組。 優(yōu)點(diǎn)：
缺點(diǎn)：
MXNet 描述：MXNet 是一個旨在提高效率和靈活性的深度學(xué)習(xí)框架。 文檔：http:///api/python/index.html#python-api-reference 概述：MXNet 是亞馬遜（Amazon）選擇的深度學(xué)習(xí)庫，并且也許是最優(yōu)秀的庫。它擁有類似于 Theano 和 TensorFlow 的數(shù)據(jù)流圖，為多 GPU 配置提供了良好的配置，有著類似于 Lasagne 和 Blocks 更高級別的模型構(gòu)建塊，并且可以在你可以想象的任何硬件上運(yùn)行（包括手機(jī)）。對 Python 的支持只是其冰山一角—MXNet 同樣提供了對 R、Julia、C++、Scala、Matlab，和 Javascript 的接口。如果你正在尋找最佳的性能，選擇 MXNet 吧，但是你必須愿意處理與之相對的一些 MXNet 的怪癖。 優(yōu)點(diǎn)：
缺點(diǎn)：
PyTorch 描述：Python 中的張量（Tensors）和動態(tài)神經(jīng)網(wǎng)絡(luò)，有著強(qiáng)大的 GPU 加速。 文檔：http://pytorch.org/docs/ 概述：剛剛放出一段時間，PyTorch 就已經(jīng)是我們 Python 深度學(xué)習(xí)框架列表中的一個新的成員了。它是從 Lua 的 Torch 庫到 Python 的松散端口，由于它由 Facebook 的 人工智能研究團(tuán)隊(duì)（Artificial Intelligence Research team (FAIR)）支持且因?yàn)樗糜谔幚韯討B(tài)計(jì)算圖（Theano，TensorFlow 或者其他衍生品沒有的特性，編譯者注：現(xiàn)在 TensorFlow 好像支持動態(tài)計(jì)算圖），它變得非常的有名。PyTorch 在 Python 深度學(xué)習(xí)生態(tài)系統(tǒng)將扮演怎樣的角色還不得而知，但所有的跡象都表明，PyTorch 是我們列表中其他框架的一個非常棒的選擇。 優(yōu)點(diǎn)：
缺點(diǎn)：
公眾號底部菜單有驚喜哦！ 加入組織請查看“聯(lián)合會” 往期內(nèi)容請查看“最火文章” 參與活動請查看“活動資訊” |
|
|
