【异周话题 第 18 期】TensorFlow与PyTorch,深度学习框架你选哪一个?

简介: 参与文末每日话题讨论,赠 【异周话题 第 18 期】TensorFlow与PyTorch,深度学习框架你选哪一个? 话题背景 1月26日,谷歌在 GitHub 上正式发布了 TensorFlow 的最新版本 1.5.0,并开源了其代码。

参与文末每日话题讨论,赠upload-ueditor-image-20180131-1517370217

【异周话题 第 18 期】TensorFlow与PyTorch,深度学习框架你选哪一个?

话题背景

1月26日,谷歌在 GitHub 上正式发布了 TensorFlow 的最新版本 1.5.0,并开源了其代码。支持 CUDA 9 和 cuDNN 7 被认为是本次更新的最重要部分。TensorFlow是谷歌基于DistBelief进行研发的第二代人工智能学习系统,2015年11月在GitHub上开源。同样,2017年年初 Facebook 也发布自己的开源框架 PyTorch,它是专门针对 GPU 加速的深度神经网络(DNN)编程,它实现了机器学习框架 Torch 在 Python 语言环境的执行,目前也是被大家普遍认为非常有潜力的深度学习框架之一。

深度学习研究的热潮持续高涨,各种开源深度学习框架也层出不穷,本周的【异周话题】我们就一起聊聊TensorFlow与PyTorch,深度学习框架你选哪一个?

话题内容

大家可以围绕以下一个或多个问题展开讨论:
1.对于 TensorFlow 和 PyTorch 两个深度学习框架,你了解多少?请列举;
2.你知道哪些基于 TensorFlow 或 PyTorch 框架的项目?请列举;
3.目前TensorFlow、Caffe、Keras、PyTorch等深度学习框架,你认为哪一个最好?请给出你的观点;
4.TensorFlow与PyTorch,深度学习框架你会优先选择哪一个?请给出你的观点;
5.对于学习机器学习、深度学习等,你有什么好的经验与大家分享?请列举。

欢迎各位同学积极在异步社区文章的底部发表评论,参与话题!

话题时间

2018年1月29日——2月04日

话题奖励


欢迎在文章底部 留言参与话题!留言就有机会获得赠书!获奖用户可在【智能技术】【计算机科学——人工智能】分类图书中任选 1 本好书!本期话题一共送出 3 本 图书!

1.异步君将根据留言的内容、点赞数等选出1名留言最精彩的用户,可直接获得 1 本赠书!
2.另外 2 本赠书,留言参与话题的同学可在微信群众抽取!由于微信群已经满100人,留言后请添加异步君微信,微信发送 异周话题+社区昵称,会尽快将大家拉入群。
3.本周五(2月02日)会在微信群中发布用于抽奖的小程序,即可参与本次抽奖,2018 年 2 月 05 日 13:00 会自动开奖!开奖后将自动通过微信发送中奖通知给参与的用户。
4.留言最精彩的同学如同时抽中赠书,仅可领取 1 本赠书。
5.未留言参与话题,中奖后将不可领取赠书,最终的活动解释权归异步社区所有。

领奖方式

中奖后请添加异步君微信,微信发送 【异周话题+社区昵称+图书名称】、以及本期话题留言截图给异步君,异步君将通过您的社区账号私信给您图书的样书兑换券!


延伸推荐


2018年1月重磅新书

小学生开始学Python,最接近AI的编程语言:安利一波Python书单

政策升温:大家都在学大数据,一大波好书推荐

一本基于Python语言的Selenium自动化测试书

8本新书,送出一本你喜欢的

AI经典书单| 入门人工智能该读哪些书?

点击关键词阅读更多新书:

Python|机器学习|Kotlin|Java|移动开发|机器人|有奖活动|Web前端|书单

upload-ueditor-image-20180131-1517370217


异步图书”后台回复“关注”,即可免费获得2000门在线视频课程;推荐朋友关注根据提示获取赠书链接,免费得异步图书一本。赶紧来参加哦!

点击阅读原文,查看本书更多信息

扫一扫上方二维码,回复“关注”参与活动!

upload-ueditor-image-20180131-1517370270




upload-ueditor-image-20180131-1517370270

upload-ueditor-image-20180131-1517370270


upload-ueditor-image-20180131-1517370271



upload-ueditor-image-20180131-1517370271



upload-ueditor-image-20180131-1517370271


upload-ueditor-image-20180131-1517370271


upload-ueditor-image-20180131-1517370272


相关文章
|
6天前
|
机器学习/深度学习 PyTorch 测试技术
PyTorch 深度学习(GPT 重译)(四)(1)
PyTorch 深度学习(GPT 重译)(四)
24 2
|
6天前
|
机器学习/深度学习 PyTorch API
PyTorch 深度学习(GPT 重译)(三)(4)
PyTorch 深度学习(GPT 重译)(三)
35 3
|
6天前
|
机器学习/深度学习 存储 PyTorch
PyTorch 深度学习(GPT 重译)(三)(3)
PyTorch 深度学习(GPT 重译)(三)
25 2
|
6天前
|
机器学习/深度学习 PyTorch 算法框架/工具
PyTorch 深度学习(GPT 重译)(二)(3)
PyTorch 深度学习(GPT 重译)(二)
19 1
|
6天前
|
机器学习/深度学习 算法 PyTorch
PyTorch 深度学习(GPT 重译)(二)(2)
PyTorch 深度学习(GPT 重译)(二)
32 2
|
6天前
|
机器学习/深度学习 PyTorch 算法框架/工具
PyTorch 深度学习(GPT 重译)(二)(1)
PyTorch 深度学习(GPT 重译)(二)
24 2
|
6天前
|
存储 PyTorch 算法框架/工具
PyTorch 深度学习(GPT 重译)(一)(3)
PyTorch 深度学习(GPT 重译)(一)
26 2
|
6天前
|
机器学习/深度学习 存储 PyTorch
PyTorch深度学习基础:张量(Tensor)详解
【4月更文挑战第17天】本文详细介绍了PyTorch中的张量,它是构建和操作深度学习数据的核心。张量是多维数组,用于存储和变换数据。PyTorch支持CPU和GPU张量,后者能加速大规模数据处理。创建张量可通过`torch.zeros()`、`torch.rand()`或直接从Python列表转换。张量操作包括数学运算、切片和拼接。在深度学习中,张量用于神经网络模型的构建和训练。理解张量对于掌握PyTorch至关重要。
|
6天前
|
机器学习/深度学习 运维 监控
TensorFlow分布式训练:加速深度学习模型训练
【4月更文挑战第17天】TensorFlow分布式训练加速深度学习模型训练,通过数据并行和模型并行利用多机器资源,减少训练时间。优化策略包括配置计算资源、优化数据划分和减少通信开销。实际应用需关注调试监控、系统稳定性和容错性,以应对分布式训练挑战。
|
8天前
|
机器学习/深度学习 并行计算 算法框架/工具
Anaconda+Cuda+Cudnn+Pytorch(GPU版)+Pycharm+Win11深度学习环境配置
Anaconda+Cuda+Cudnn+Pytorch(GPU版)+Pycharm+Win11深度学习环境配置