《MXNet深度學(xué)習(xí)實(shí)戰(zhàn)》—1.3.2　MXNet的優(yōu)勢

1.3.2　MXNet的優(yōu)勢

就像任何事物都有兩面性一樣，幾個主流的深度學(xué)習(xí)框架也各有優(yōu)缺點(diǎn)。Caffe框架作為最優(yōu)秀的深度學(xué)習(xí)框架之一，一直深受廣大用戶的歡迎，其優(yōu)點(diǎn)是非常容易上手，積累的用戶也很多；缺點(diǎn)是安裝比較麻煩，會涉及各種環(huán)境依賴，另外要想靈活應(yīng)用的話對新手而言還是比較困難的，而且該框架本身比較占用顯存。TensorFlow是目前應(yīng)用最為廣泛的深度學(xué)習(xí)框架，TensorFlow的優(yōu)點(diǎn)在于豐富的接口以及Google的強(qiáng)大技術(shù)支持，從開源以來，其積累了非常多的用戶，并且隨著學(xué)術(shù)界和工業(yè)界的不斷推廣，TensorFlow的用戶群體也在不斷壯大。TensorFlow宏觀來看就是“大而全”，這種特點(diǎn)帶來的問題就是其接口過于豐富，因此對于新人而言入門較難，往往會面臨的問題是要實(shí)現(xiàn)一個簡單的層卻不知道該選擇什么樣的接口。PyTorch作為主流的深度學(xué)習(xí)框架中的后起之秀，是在原來已有的Torch框架上封裝了Python接口并優(yōu)化而成的，相信很多使用過PyTorch的讀者都會被PyTorch的簡潔所吸引，這得益于其命令式編程的設(shè)計(jì)方式，因此非常適合用于搞研究，或者稱為快速試錯；當(dāng)然純命令式編程的方式帶來的問題是工業(yè)界線上部署的效率問題，所以Facebook內(nèi)部對PyTorch的定位也是研究首選，而線上部署方面則是首選Caffe/Caffe2。另外由于PyTorch目前還在快速迭代中，所以文檔和接口變化較大，新手需要一定的時間來適應(yīng)。

那么為什么我推薦使用MXNet呢？有以下幾個原因。

1）MXNet結(jié)合了命令式編程和符號式編程，因此兼顧了靈活和高效，既方便研究試錯又適合線上部署。

2）框架比較穩(wěn)定。MXNet從開源至今已經(jīng)經(jīng)歷了早期開發(fā)時頻繁迭代的階段，目前接口基本上比較穩(wěn)定，這將大大降低代碼維護(hù)的成本。

3）MXNet在顯存方面的優(yōu)化做得非常好，可以幫助你節(jié)省機(jī)器資源，而且在訓(xùn)練相同的模型時，MXNet比大多數(shù)的深度學(xué)習(xí)框架的訓(xùn)練速度要快，這也能節(jié)省不少的訓(xùn)練時間。

4）MXNet安裝方便，文檔清晰，例子豐富，非常方便新人上手學(xué)習(xí)。

總結(jié)起來，對于深度學(xué)習(xí)框架而言，沒有最好的，只有最適合的。如果在高校做研究，那么我會推薦使用MXNet或者PyTorch，這兩者非常便于設(shè)計(jì)網(wǎng)絡(luò)結(jié)構(gòu)和調(diào)試；如果是在工業(yè)界需要上線部署模型，那么我會推薦使用MXNet、TensorFlow或Caffe。

pytorch 深度學(xué)習(xí)

版權(quán)聲明：本文內(nèi)容由網(wǎng)絡(luò)用戶投稿，版權(quán)歸原作者所有，本站不擁有其著作權(quán)，亦不承擔(dān)相應(yīng)法律責(zé)任。如果您發(fā)現(xiàn)本站中有涉嫌抄襲或描述失實(shí)的內(nèi)容，請聯(lián)系我們jiasou666@gmail.com 處理，核實(shí)后本網(wǎng)站將在24小時內(nèi)刪除侵權(quán)內(nèi)容。

版權(quán)聲明：本文內(nèi)容由網(wǎng)絡(luò)用戶投稿，版權(quán)歸原作者所有，本站不擁有其著作權(quán)，亦不承擔(dān)相應(yīng)法律責(zé)任。如果您發(fā)現(xiàn)本站中有涉嫌抄襲或描述失實(shí)的內(nèi)容，請聯(lián)系我們jiasou666@gmail.com 處理，核實(shí)后本網(wǎng)站將在24小時內(nèi)刪除侵權(quán)內(nèi)容。