深度学习中几种常用框架的介绍

作者:来自读者投稿

来源:Python数据之道

深度学习中几种常用框架的介绍

深度学习在今天之所以能够非常普及,很重要的一个原因是由于学术界和工业界贡献的各种各样的开源软件,这些开源的软件中集成了很多深度学习中用到的网络细节,也使我们的开发便捷了许多,下面我们来介绍几种深度学习中常用的框架,并将这几种框架做个对比。

1 Caffe

http://caffe.berkeleyvision.org

Caffe 框架在图像、视频领域的应用非常广泛,它的特点有以下几点:

依赖了大量的第三方库

为了读取图像,以及简单的图像处理,链接很重的 OpenCV 库

Boost 来实现一些 C++ 的高级特征

HD5/LMDB/LEVELDB 用来做数据的 IO

ProtoBuffer 使用随处可见

基于层的设计思路

Blob模块:实现了Tensor的功能,保持数据和梯度

Layer模块:根据输入计算输出,同时保存权重/梯度

Net模块:由多个layer组成,实现前向或后向的计算

Solver模块:最优化模块,利用梯度值更新权重

深度学习中几种常用框架的介绍_第1张图片

Protocol Buffer技术

引入 protocol buffer技术,省去编写大量描述性的 C++代码,比如配置参数、属性变量等等

方便序列化,用户可以直接阅读 prototxt文件,来了解网络结构

Prototxt.caffemodel 文件

Prototxt:用来描述网络,通过 Google 的 protobuffer 编译器直接读取/序列化 C++ 的对象

caffemodel:用来保存权重文件

Caffe的训练:

  • 需要提前做数据准备,保存为 LMDB/LevelDB等格式

  • 不用编写 C++代码,直接编写 .prototxt定义net对象

  • 直接编写 .prototxt 定义 solver对象

  • 通过参数直接执行 caffe 命令进行训练

下面分成四步对其进行说明:

第一步:数据准备阶段

xx/xx/xx.jpg label ## 每行都是这样的格式

通过tools/create_xxxx命令产生LMDB/LevelDB等格式的数据文件

深度学习中几种常用框架的介绍_第2张图片

第二步:编写网络文件

规则简单的,可以直接用文本编辑器生成,网络复杂的,利用python脚本生成。(值得注意的是net prototxt文件描述的是有向无环图)

深度学习中几种常用框架的介绍_第3张图片

对于复杂的网络来说,比如残差网络,手写很容易出错,或者一些层数较多的网络,我们都可以采用Python来编写网络结构文件

深度学习中几种常用框架的介绍_第4张图片

第三步:定义solver文件

简单手动编写

设置好需要的参数

深度学习中几种常用框架的介绍_第5张图片

第四步:训练网络

深度学习中几种常用框架的介绍_第6张图片

深度学习中几种常用框架的介绍_第7张图片

Caffe 还给我们提供了 Model Zoo(网站:https://github.com/BVLC/caffe/wiki/Model-Z)里面有很多已经训练好的模型,像 AlexNet,VGG,GoogleNet 等等,我们只需进入网站下载需要的模型即可拿来使用,非常方便。

2 Torch

http://torch.ch

Torch 可以算得上是最灵活、最容易学习的深度学习框架了,也很适合初学者学习。

该框架使用的是 Lua 语言,类似于 javascript 的动态语言,LuaJit 性能高于大多数的脚本语言,结合 C语言开发非常简单。

Torch 有以下三个主要特点:

  1. 灵活的框架:使用 Lua语言作为控制应用层,彻底的模块化设计

  2. 友好的交互:快速学习深度学习中各个组件的功能

  3. 全程可控的训练过程:适合实验新的网络类型

Torch 的交互式环境

所见即所得的交互式环境

深度学习中几种常用框架的介绍_第8张图片

基于”nn”软件包生成各种网络

深度学习中几种常用框架的介绍_第9张图片

训练过程全程可控

深度学习中几种常用框架的介绍_第10张图片

GPU/CPU切换

  • require(‘cutorch’)

  • require(‘cunn’)

  • 切换tensor类型

深度学习中几种常用框架的介绍_第11张图片

开发自己定义的模块

深度学习中几种常用框架的介绍_第12张图片

3 TensorFlow

https://www.tensorflow.org

Tensorflow 可以说是目前学者们最广泛应用的深度学习框架,它是一个用于数值计算的 Python库,可以描述一幅数据计算的数据流图(data flow graph)。

TensorFlow 最初由 Google 大脑小组(隶属于 Google 机器智能研究机构)的研究员和工程师们开发出来,用于机器学习和深度神经网络方面的研究,但这个系统的通用性使其也可广泛用于其他计算领域。

它有以下几点需要注意:

  • Google 研发主推

  • 基于 computation graphs 计算模型

  • Python/C++ 语言

  • TensorBoard 可视化工具

  • 多机多卡支持

它的编写书写如下:

深度学习中几种常用框架的介绍_第13张图片

同时它还支持使用 TensorBoard 可视化查看各种网络的输出和许多中间参数的变化过程。

深度学习中几种常用框架的介绍_第14张图片

小结

文章的最后,小编对以上三种框架做了一个总结

  • Torch 最适合初学者学习(但需要掌握 Lua语言)

  • TensorFlow 是目前的主流框架,应多多关注

  • Caffe 目前还是产品化最多的库

深度学习中几种常用框架的介绍_第15张图片

---------End---------

关注后回复“w”,加我私人微信

推荐阅读:

阅读是投资自己最有效的方式

自律是一种觉醒

你可能感兴趣的:(深度学习中几种常用框架的介绍)