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。

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