點擊上方“AI有道”，選擇“星標(biāo)”公眾號

重磅干貨，第一時間送達(dá)

本文將以一個視頻的方式講解 2019 年深度學(xué)習(xí)各大框架。視頻作者來自人工智能領(lǐng)域的網(wǎng)紅小哥?Siraj Raval。

下面是作者?Siraj Raval 對該視頻的介紹：

您應(yīng)該使用哪個深度學(xué)習(xí)框架？在下面的視頻中，我將比較 10 個不同指標(biāo)的深入學(xué)習(xí)框架，包括：

• Keras

• theano

• TensorFlow

• Caffe

• Caffe2

• mxnet

• CNTK

• GLUON

• PyTorch

• torch

我們在這段視頻中有很多要介紹的內(nèi)容！使用代碼、編程特性和理論，我將導(dǎo)航這個領(lǐng)域，最終得出一些明確的結(jié)論。享受吧！

視頻：

小哥?Siraj Raval 的視頻做得真不錯，開頭就以漫威的超級英雄入場，一起來看一下！

有點遺憾的是該視頻是生肉（無字幕），不過也還好，小哥的語速很慢，大部分都能聽懂。想要自動翻譯，有條件的同學(xué)可以在油管上看，附上地址：

https://www.youtube.com/watch?v=SJldOOs4vB8

代碼：

作者已將這段視頻中出現(xiàn)的完整代碼放在了 GitHub 上，項目地址：

https://github.com/llSourcell/DeepLearningFrameworks

代碼可以說是非常詳細(xì)了，畢竟網(wǎng)紅小哥是用心了的，視頻也做得棒棒的~

框架比較：

從四個方面來比較各個框架的性能差異。

1.?Training Time(s): CNN (VGG-style, 32bit) on CIFAR-10 - Image Recognition

2.?Training Time: DenseNet-121 on ChestXRay - Image Recognition (Multi-GPU)

Train+Val w/ data-loader + data-augmentation on real-data on SSD：

Train w/ synthetic-data in RAM：

3.?Avg Time(s) for 1000 images: ResNet-50 - Feature Extraction

4.?Training Time(s): RNN (GRU) on IMDB - Sentiment Analysis

清晰幽默的視頻講解 + 詳細(xì)代碼和性能比較，希望能幫助大家深入了解這些火熱的深度學(xué)習(xí)框架！

【推薦閱讀】

干貨 | 公眾號歷史文章精選（附資源）

我的深度學(xué)習(xí)入門路線

我的機器學(xué)習(xí)入門路線圖

?加入 AI 視界，離 AI 更近一步！

總結(jié)

以上是生活随笔為你收集整理的2019 深度学习框架大盘点！看 PyTorch、TensorFlow 如何强势上榜？的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。