【引言】現在市面上同時存在多種深度學習框架,不同公司或科研團體會根據具體應用不同選擇不同框架。網絡上不缺少對深度學習框架的比較分析,但隨着時間流逝,框架版本更新會影響性能,接口和文檔更新會影響開發效率,同時考慮到商業因素及媒體宣傳水分,本節會從實戰角度給出對熱門框架的比較分析,並在最後給出選擇建議,可供參考。
框架選擇建議:
1.無論是在具體商業應用還是實驗研究,深度學習+遷移學習(Fine-tune)的組合會有助於降低模型對數據量的需求,同時能大大節約運算時間,所以選擇框架時建議首先考慮到“是否有預訓練模型”以及“遷移訓練預訓練模型難度”這兩點。(若有足夠數量的高質量數據和優良的計算資源可忽略本條)
2.天下武功爲快不破。訓練速度越快越好,上手速度越快越好,內存佔用越少越好,有時候增加內存是“用空間換時間”提升速度的表現。支持動態圖的框架通常訓練速度會偏慢,但是上手速度會快些。
3.具體要商業化做成產品則要考慮到框架穩定性、兼容性可移植性
4.是否需要對底層功能進行擴展要考慮框架粒度,同時兼顧接口語言和開發語言。