江苏龙网

  1. 首页 > 资讯 > 科技 > >

『』AI市场开发人员访谈录( 四 )


1. 开发工具需要更高效率 ， 缩短编译时间 ， 支持更多的神经网络模型 ， bug调试与帮助系统 ， 扩展性和商业支持 。
2. 人才缺失紧缺 ， 目前采用实习生来承担开发
3. 计算资源成本高 ， 需要充分利用固定资产价值 。
9. 您未来是否有针对这一AI应用持续开发的计划？
如果有 ， 未来计划在哪些方面改进？
l 把已有的技术平台化 ， 标准化
l 算法和算力的研发和提升 ， 降成本
l 开拓新应用 ， 比如物联网融合 ， 营养健康 ， 机器人等
***************************************************************************
主流深度学习框架对比
2017年06月21日 13:37:41 阅读数：1687
版权声明：本文为博主原创文章 ， 未经博主允许不得转载 。https://blog.csdn.net/jacke121/article/details/73543407
目录
l Theano & Ecosystem
l Torch
l Tensorflow
l Caffe
l CNTK
l DSSTNE
l Speed
l DL4J: Why the JVM?
l DL4S: Deep Learning in Scala
l Machine-Learning Frameworks
l Further Reading
Theano 与生态系统
深度学习领域内的很多学术研究人员依赖于 Theano ， 这个用 Python 编写的框架可谓是深度学习框架的老祖宗 。Theano 像 Numpy 一样 ， 是一个处理多维数组的库 。与其他库一起使用 ， Theano 很适合于数据探索和进行研究 。
在 Theano 之上 ， 已经有很多的开源的深度库建立起来 ， 包括 Keras、Lasagne 和 Blocks 。这些库的建立是为了在 Theano 偶尔的非直觉界面上更简单地使用 API 。（截止到 2016 年 3 月 ， 另一个与 Theano 相关的库 Pylearn2 可能即将死亡 。）
相反 ， Deeplearning4j 能在 JVM 语言（比如 ， Java 和 Scala）下将深度学习带入生产环境中 ， 创造出解决方案 。Deeplearning4j 意在以一种可拓展的方式在并行 GPU 或 CPU 上将尽可能多的环节自动化 ， 并能在需要的时候与 Hadoop 和 Spark 进行整合 。
优缺点
（+）Python+Numpy
（+）计算图是很好的抽象
（+）RNN 完美适配计算图
（-）原始 Theano 在某种程度上有些低水平
（+）高层次 wrappers（Keras ， Lasange）减轻了这种痛苦
（-）错误信息没有帮助
（-）大型模型有较长的编译时间
（-）比 Torch 更「臃肿」
（-）对预训练模型支持不佳
（-）在 AWS 上有很多 bug
Torch
Torch 是一个用 Lua 编写的支持机器学习算法的计算框架 。其中的一些版本被 Facebook、Twitter 这样的大型科技公司使用 ， 为内部团队专门化其深度学习平台 。Lua 是一种在上世纪 90 年代早期在巴西开发出来的多范式的脚本语言 。
Torch 7 虽然强大 ， 却并未被基于 Python 的学术社区和通用语言为 Java 的企业软件工程师普遍使用 。Deeplearning4j 使用 Java 编写 ， 这反映了我们对产业和易用性的关注 。我们相信可用性的限制给深度学习的广泛使用带来了阻碍 。我们认为 Hadoop 和 Spark 这样的开源分布式应该自动具备可扩展性 。我们相信一个商业化支撑下的开源框架是保证工具有效并建立一个社区的合适解决方案 。
优缺点
（+）很多容易结合的模块碎片
（+）易于编写自己的层类型和在 GPU 上运行
（+）Lua（大部分库代码是 Lua 语言 ， 易于读取）
（+）大量的预训练模型
（-）Lua（小众）
（-）你总是需要编写自己的训练代码（更不能即插即用）
（-）对循环神经网络不太好
（-）没有商业化支持
（-）糟糕的文档支持
TensorFlow
谷歌创造 TensorFlow 取代 Theano ， 其实这两个库相当类似 。Theano 的一些创造者 ， 比如 Ian Goodfellow 在去 OpenAI 之前就是在谷歌打造 TensorFlow 。


推荐阅读


上一篇：：《真人快打》将追加和谐终结技，一点都不暴力

下一篇：『』iQOO Z1正式发布，首发天玑1000+处理器，2198起