深度学习框架

深度学习框架

1.请简要介绍下Tensorflow的计算图

Tensorflow是一个以计算图的形式来表示计算的编程系统。计算图可以看做一种有向图，这个表示了张量之间通过计算相互转化的过程，也叫数据流图。tensorflow计算图上的每一个节点代表着一种计算，而节点之间的边则表示了计算之间的依赖关系。

2.Tensorflow跟pytorch的使用选择，是有着先入为主的影响呢，还是在应用过程当中择优选择？

https://mp.weixin.qq.com/s/mm4G6OuZF-Ib0CWiwvTVbQ

参考新智元上BAT专家的解读。

Tensorflow：谷歌出品，社区资源丰富，如果业务是实现一个比较成熟的应用场景 ，选择 TensorFlow 是个不错的选择，如果是全新实现算法，不推荐，因为代码库庞大，真正搞懂代码不是简单的事。

Pytorch + Caffe2： 使用动态计算图，灵活性相对tf大大增强，可以随时改变神经网络的结构，对数据的预处理非常的高效、易用性强；如果是工业上的业务，不推荐，因为在运算效率、工业部署上，PyTorch 还不算成熟

此时，caffe2派上用场，Caffe2 为生产环境 设计，提供在各种平台（包括移动设备）的运行时。Caffe2 意在弥补 Pytorch 在生产环境的不足 ，不过效果有待验证。

Keras： 是一个用于快速构建深度学习原型的高层神经网络库，Keras 由纯 Python 编写而成，并基于 Tensorflow、Theano 以及 CNTK 后端 ；隐藏了大部分的内部计算，对新手比较友好。

PaddlePaddle： 百度出品，应用于工业场景，PaddlePaddle 为大量工业级模型提供官方支持；大规模分布式训练技术能力强，支持大规模稠密参数和稀疏参数场景的并行训练；基于其中文文档友好、简单易上手的特点，社区活跃度不断提高。本土开发者中文交流非常方便。

MxNet：已被亚马逊 (Amazon) 选为 AWS 上的深度学习框架，支持动态图计算。优势是高效小巧，更适合自定义需求高的公司和研究者 ，需要改工作的话比较推荐。MXNet 在文档质量方面经常被诟病，新手还需要多磨合一下

XDL：阿里出品。X-Deep Learning (XDL) 是针对特定工业级场景（比如广告）深度学习问题的解决方案，而不是与其他框架并列的底层框架。实际上，XDL 采用桥接的方式支持使用 TensorFlow 和 MXNet 作为单节点的计算后端