选自SVDS 作者：Matthew Rubashkin 机器之心编译 参与：李泽南
在 SVDS，我们的研发团队一直在研究不同的深度学习技术；从识别图像到语音，我们也在各类框架下实现了不少应用。在这个过程中，我们意识到需要一个简明的方式来获取数据、创建模型、同时评估这些模型的表现。但当我们一次次开始新的深度学习项目时，我们却一直没有找到一个可以参考的标准来告诉自己如何开始。 现在，为了回馈开源社区，同时帮助后来者，我们决定以我们的经验对目前流行的几种工具（Theano、TensorFlow、Torch、Caffe、MXNet、Neon 和 CNTK）进行一次横向对比。以下图表展示了各类深度学习工具的优劣，希望对大家能有所帮助。 先放结论 这组对比参考了多种公开基准评测，以及我们在图像/语音识别应用时对这些技术的 主观印象。此外，你需要注意： 语言 当你开始一个深度学习项目时，你最好使用一个支持你所会语言的框架。比如 Caffe（C ）和 Torch（Lua）只能支持有限的语言（最近，随着 声明：文章版权归原作者所有 部分文章转自互联网 如有侵权请联系 [邮箱地址] 删除 |
注册
登录
