[雪峰磁针石博客]TensorFlow工具快速入门教程6 深度学习库比较

  1. 云栖社区>
  2. 博客列表>
  3. 正文

[雪峰磁针石博客]TensorFlow工具快速入门教程6 深度学习库比较

书籍寻找 2018-11-26 06:32:37 浏览201 评论0

摘要: 本书目录什么是TensorFlow简介 自2016年以来,人工智能越来越受欢迎,20%的大公司在其业务中使用人工智能(麦肯锡报告,2018年 report)。根据同一报告,AI可以为各行业创造巨大价值。

什么是TensorFlow简介

自2016年以来,人工智能越来越受欢迎,20%的大公司在其业务中使用人工智能(麦肯锡报告,2018年 report
)。根据同一报告,AI可以为各行业创造巨大价值。例如,在银行业,人工智能的潜力估计为3000亿美元,零售业的数量猛增至6000亿美元。

为了释放人工智能的潜在价值,公司必须选择正确的深度学习框架。

8个最佳深度学习库/框架

在此列表中,我们将比较顶级的深度学习框架。所有这些都是开源的,并且在数据科学家社区中很受欢迎。

  • Torch

Torch是一个古老的开源机器学习库。它首次发布于15年前。它是主要的编程语言是LUA,但在C中有实现。Torch支持庞大的机器学习算法库,包括深度学习。它支持并行计算的CUDA实现。

大多数领先的实验室都使用Torch,如Facebook,Google,Twitter,Nvidia等。 Torch的Python库名为Pytorch。

  • Infer.net

Infer.net由Microsoft开发和维护。 Infer.net是主要关注贝叶斯统计。 Infer.net旨在为从业者提供最先进的概率建模算法。该库包含分析工具,如贝叶斯分析,隐马尔可夫链,聚类。

  • Keras

Keras是深度学习的Python框架。构建任何深度学习算法都很方便。 Keras的优势在于它使用相同的Python代码在CPU或GPU上运行。此外,编码环境纯粹的,并且允许训练用于计算机视觉,文本识别等的最先进的算法。

Keras由Google的研究员FrançoisChollet开发。 Keras用于CERN,Yelp,Square、Google,Netflix和优步等知名​​组织。

图片.png

  • Theano

蒙特利尔大学于2007年开发的深度学习库。它提供快速计算,可以在CPU和GPU上运行。 Theano已被开发用于训练深度神经网络算法。

  • MICROSOFT认知工具包(CNTK)

Microsoft工具包,以前称为CNTK,是Microsoft开发的深度学习库。根据微软的说法,它是市场上最快的哭之一。 Microsoft工具包是开源库,在微软产品广泛使用,如Skype,Cortana,Bing和Xbox。支持Python和C ++。

  • MXNet

MXnet是最近的深度学习库。它可以使用多种编程语言访问,包括C ++,Julia,Python和R. MXNet可以配置为在CPU和GPU上运行。 MXNet包括最先进的深度学习架构,如卷积神经网络和长短期记忆。 MXNet旨在与动态云基础架构协调工作。 MXNet的主要用户是亚马逊。

  • Caffe

Caffe是杨庆佳在伯克利大学攻读博士学位时创建。 Caffe是用C ++编写的,可以在CPU和GPU上执行计算。 Caffe的主要用途是卷积神经网络。虽然,2017年,Facebook扩展了Caffe,包Recurrent Neural Network。学术界和初创公司以及雅虎等一些大公司都在使用caffe。

  • TensorFlow

TensorFlow是Google的开源项目。 TensorFlow是目前最着名的深度学习库。它于2015年底向公众发布

图片.png

图片.png

参考:深度学习(Deep Learning)

参考资料

机器学习云服务

  • Google Cloud ML

Google为Cloud AutoML提供了开发人员预先培训的模型。该解决方案适用于没有强大机器学习背景的开发人员。开发人员可以在其数据上使用最先进的Google预训练模型。它允许任何开发人员在几分钟内训练和评估任何模型。

Google目前提供用于计算机视觉,语音识别,翻译和NLP的REST API。

图片.png

使用Google Cloud,您可以在TensorFlow,Scikit-learn,XGBoost或Keras上构建机器学习框架。 Google Cloud机器学习将在其云端训练模型。

使用Google云计算的优势在于将机器学习部署到生产中的简单性。无需设置Docker容器。此外,云负责基础设施,它知道如何使用CPU,GPU和TPU分配资源,通过并行计算使训练更快。

  • AWS SageMaker

Google Cloud的主要竞争对手是亚马逊云,AWS。亚马逊开发了Amazon SageMaker,允许数据科学家和开发人员构建,训练和投入生产任何机器学习模型。

SageMaker可用于Jupyter笔记本,包括最常用的机器学习库,TensorFlow,MXNet,Scikit-learn等。用SageMaker编写的程序会自动在Docker容器中运行。亚马逊处理资源分配以优化培训和部署。

图片.png

亚马逊为开发人员提供API,以便为其应用程序添加智能。在某些情况下,没有必要通过从头开始构建新模型来重新发明轮子,而云中有强大的预训练模型。亚马逊为计算机视觉,会话聊天机器人和语言服务提供API服务:

三个主要的可用API是:Amazon Rekognition:为应用程序提供图像和视频识别;亚马逊理解:执行文本挖掘和神经语言处理,例如,自动化检查财务文件合法性的过程;亚马逊Lex:将聊天机器人添加到应用程序;

  • Azure机器学习工作室

可能是最友好的机器学习方法。该解决方案的显着优点是不需要编程基础。

Microsoft Azure Machine Learning Studio是一个用于创建,培训,评估和部署机器学习解决方案的拖放式协作工具。该模型可以有效地部署为Web服务,并在Excel等多个应用程序中使用。

Azure机器学习界面是交互式的,允许用户通过快速拖放元素来构建模型。

图片.png

模型准备就绪后,开发人员可以将其保存并推送到Azure Gallery或Azure Marketplace。

Azure Machine学习可以集成到自定义内置包中的R或Python中。

  • IBM Watson ML

Watson通过简化的流程简化数据项目,从而从数据中提取价值和见解,帮助业务变得更加智能和快捷。 Watson工作室提供易于使用的协作数据科学和机器学习环境,用于构建和训练模型,准备和分析数据,以及共享见解。 Watson Studio易于使用,具有拖放代码。

图片.png

Watson工作室支持一些最流行的框架,如Tensorflow,Keras,Pytorch,Caffe,可以将深度学习算法部署到Nvidia的最新GPU上,以帮助加速建模。

在我们看来,谷歌云解决方案是最推荐的解决方案。对于数据存储和机器学习解决方案,Google云解决方案为AWS提供的价格至少降低了30%。谷歌正在努力实现人工智能的大众化。它开发了一种开源语言TensorFlow,优化了数据仓库连接,提供了从数据可视化,数据分析到机器学习的巨大工具。此外,Google控制台符合人体工程学,比AWS或Windows更全面。

【云栖快讯】阿里云栖开发者沙龙(Java技术专场)火热来袭!快来报名参与吧!  详情请点击

网友评论

书籍寻找
文章104篇 | 关注58
关注
一种即开即用且高性价比的在线备份服务,帮助客户把数据备份到阿里云上的备份存储库,为客户数据提... 查看详情
阿里云机器学习是基于阿里云分布式计算引擎的一款机器学习算法平台。用户通过拖拉拽的方式可视化的... 查看详情
基于深度学习技术及阿里巴巴多年的海量数据支撑, 提供多样化的内容识别服务,能有效帮助用户降低... 查看详情
为您提供简单高效、处理能力可弹性伸缩的计算服务,帮助您快速构建更稳定、安全的应用,提升运维效... 查看详情
双12

双12