机器学习的所有资源链接和经验教训（八）深度学习框架

深度学习框架

• Keras - 我的朋友和我开个玩笑，我们说你的代码中只有Keras导入的行数比实际代码要多，因为函数的级别非常高。真的很认真。你可以加载一个预训练的网络并在你自己的任务中以6行进行微调。这太不可思议了。这绝对是我用于黑客马拉松的框架，当我在时间紧迫时，但我认为如果你真的想学习ML和DL，依靠Keras的漂亮API可能不是最好的电话。
• Tensorflow - 这是我现在的深入图书馆。老实说，我认为它有最陡峭的学习曲线，因为需要很长时间才能熟悉Tensorflow变量，占位符和构建/执行图形的想法。Tensorflow的一大优势是Github和Stackoverflow的数量可以帮到你。您可以找到Tensorflow中几乎所有错误的答案，因为有人可能之前遇到过这种错误。我认为这非常有帮助。
• Torch - 2015绝对是Torch的一年，但除非你真的想学习Lua，否则PyTorch可能就是现在的方式。但是，有很多与Torch相关的好的文档和教程，所以这是一个很好的好处。
• PyTorch - 我的另一个朋友和我有这个笑话我们说如果你遇到PyTorch中的一个错误，你可能会在不到2个小时内阅读整个PyTorch的文档，你仍然找不到你的答案LOL。但说实话，很多人工智能研究人员一直都在为它做好准备，所以尽管它还很年轻，但它绝对值得一试。我认为Tensorflow和PyTorch将成为将开始接管DL框架空间的2个框架。
• Caffe和Caffe2 - 从来没有和Caffe玩过，但这是最早的深度学习库之一。Caffe2值得注意，因为它是Facebook用来为其模型提供服务的生产框架。根据Soumith Chintala的说法，Facebook的研究人员将使用PyTorch尝试新的模型和研究思路，并将使用Caffe2进行部署。