程序员开发指南

996技术站 - 活在未来 | KingSun

1. 常见深度学习框架对比

框架名	主语言	从语言	灵活性	上手难易	开发者
Tensorflow	C++	cuda/python	好	难	Google
Caffe	C++	cuda/python/Matlab	一般	中等	贾杨清
PyTorch	python	C/C++	好	中等	FaceBook
MXNet	c++	cuda/R/julia	好	中等	李沐和陈天奇等
Torch	lua	C/cuda	好	中等	Facebook
Theano	python	C++/cuda	好	易	蒙特利尔理工学院

• 总结：

  • 最常用的框架当数TensorFlow和Pytorch, 而 Caffe 和 Caffe2 次之。
  • PyTorch 和 Torch 更适用于学术研究（research）；TensorFlow，Caffe，Caffe2 更适用于工业界的生产环境部署（industrial production）
  • Caffe 适用于处理静态图像（static graph）；Torch 和 PyTorch 更适用于动态图像（dynamic graph）；TensorFlow 在两种情况下都很实用。
  • Tensorflow 和 Caffe2 可在移动端使用。

2.TensorFlow的特点

官网：https://www.tensorflow.org/

• 高度灵活（Deep Flexibility）
  • 它不仅可以用来做神经网络算法研究，也可以用来做普通的机器学习算法，甚至是只要把计算表示成数据流图，都可以用TensorFlow。
• 语言多样（Language Options）
  • TensorFlow使用C++实现的，然后用Python封装。谷歌号召社区通过SWIG开发更多的语言接口来支持TensorFlow。
• 设备支持
  • TensorFlow可以运行在各种硬件上，同时根据计算的需要，合理将运算分配到相应的设备，比如卷积就分配到GPU上，也允许在 CPU 和 GPU 上的计算分布，甚至支持使用 gRPC 进行水平扩展。
• Tensorboard可视化
  • TensorBoard是TensorFlow的一组Web应用，用来监控TensorFlow运行过程，或可视化Computation Graph。TensorBoard目前支持5种可视化：标量（scalars）、图片（images）、音频（audio）、直方图（histograms）和计算图（Computation Graph）。TensorBoard的Events Dashboard可以用来持续地监控运行时的关键指标，比如loss、学习速率（learning rate）或是验证集上的准确率（accuracy）

3. TensorFlow的安装

1 CPU版本

安装较慢，指定镜像源，请在带有numpy等库的虚拟环境中安装

• ubuntu安装

pip install tensorflow==1.8 -i https://mirrors.aliyun.com/pypi/simple

• MacOS安装

pip install tensorflow==1.8 -i https://mirrors.aliyun.com/pypi/simple

2 GPU版本

参考官网：

• 在 Ubuntu 上安装 TensorFlow
• 在 macOS 上安装 TensorFlow

注：

CPU与GPU的对比

CPU：核芯的数量更少；

但是每一个核芯的速度更快，性能更强；

更适用于处理连续性（sequential）任务。

GPU：核芯的数量更多；

但是每一个核芯的处理速度较慢；

更适用于并行（parallel）任务。