小程序框架对比,前端框架对比怎么写,小程序开发框架 对比

  小程序框架对比,前端框架对比怎么写,小程序开发框架 对比

  1.数据结构

tensorflow

:张量——相当于n维数组或列表,维度可变,数据类型一旦定义就不可改变。

caffe

:Blob——存储的数据可以看作是一个n维c数组,有四个维度(n,k,h,w),一个Blob中有两个数据空间用来存储向前和向后的导数数据。

  2.开发语言

tensorflow:

c/CUDA/Python

caffe:

c/CUDA

  3.支持接口

tensorflow:

c/Python

caffe:

c/Python/Matlab

  4.支持模型

tensorflow:

CNN/RNN/和其他通用机器学习模型

caffe:

CNN。

  5.易于使用

tensorflow:

中等至高

caffe:

中等

  6.安装难度

tensorflow:

容易

caffe:

中等

  7.社区(改bug)

tensorflow:

齐全,改bug很容易。

caffe:

很全。可以找到各种bug的原因和解决方法,改bug非常容易。

  8.

tensorflow:

符号计算法的网络构建。其程序分为计算构建阶段和执行阶段。构建阶段是构建计算图(类似于数据流程图),执行阶段启动session的运行,执行图

caffe:

定义的函数(流程)计算方法。它首先将函数按照每个大函数(可视化、损失函数、非线性激励、数据层)进行分类并对部分函数实现相应的父类,然后将特定函数实现为子类,或者直接继承层类,从而形成了XXXLayer的形式。最后,将不同的层组合成网。

  9.分布式训练

tensorflow:

不支持多机分布式训练,支持多gpu和数据并行训练。通过用tf.device(/gpu:2/gpu: 2 )调用,意味着下一个操作要在gpu2上处理。

caffe:

不支持多机分布式训练,支持多GPU和数据并行训练。调用两个gpu0 0和1是通过在执行指令后直接加-gpu 0,1来表示的。

如何将卷积网络放在多gpu上训练:

  并行数据模型并行。并行模型是指将一个完整的网络切割成不同的块,在不同的GPU上执行,每个GPU可能只处理某个图的四分之一。并行模式因为显存不足无法容纳全网的数据,但是现在gpu的功能和性能都有所提升,一个gpu已经可以解决显存不足的问题。此外,并行模型会产生额外的通信开销,因此开源框架采用数据并行来提高并行性。10.反向传播

tensorflow:

支持自动求导,反向传播不需要自定义求解梯度。

caffe:

要求用户自己写C或者CUDA。

  [1]正向运算,从输入数据计算输出结果,即模型的预测过程[2]反向运算,从输出端相对于输入梯度11的梯度求解。定位

网络每层Layer 定义两种运算

google的痴情钟,由伯克利大学博士贾编写,可用于语音识别或图像识别等多个领域的深度学习。

  综合评价

小程序框架对比,前端框架对比怎么写,小程序开发框架 对比