深度学习框架制作交流,

大家好，今天小编关注到一个比较有意思的话题，就是关于深度学习框架制作交流的问题，于是小编就整理了2个相关介绍深度学习框架制作交流的解答，让我们一起看看吧。

1. Keras还是TensorFlow，程序员该如何选择深度学习框架？
2. 小众轻量级深度学习开源框架DarkNet如何入门？

Keras还是TensorFlow，程序员该如何选择深度学习框架？

不知您的问题是什么时候问的，悟空缺失这个功能挺不方便。

随着Keras作者加入Google，现在是Keras已经是TensorFlow的Keras。同时，TensorFlow 2.0首推Keras API。

当然，Keras高层或TensorFlow底层API的使用得看场景。简单搭模型使用Keras快速，需要编写自己的OP时，一般就得使用TensorFlow的API。

Keras虽然很方便，但是会有很多难以排查的问题，而底层的TensorFlow未必这么方便却很灵活，你能清楚看到张量的运算细节。作为研究人员或者工程师，两种都需要了解。

这个要看个人对框架的需求和项目的具体应用了。

Keras是一个封装很好的高级框架，其中很多过程都封装在了API之内，所以搭建一个模型相对简单，结构相对清晰，比较适合新手入门和进阶。

TensorFlow的好处在于背后有Google提供支持，也就是说，想要使用TPU加速，一定要使用TensorFlow。而且TensorFlow的API封装没有那么宽泛，对于一些具体的调整和设计比较方便，适合对于神经网络具有丰富基础的人去做比较庞大的项目。

keras是一个高度封装的，对于科研工作者快速实现或者复现算法很好。

其实tensorflow目前也有高度封装的接口,比如tf.slim.

但是高度封装的API看不到更多参数，所以很多时候可能会造成你复现的模型无法收敛，或者精度和论文不一样。 何况现在tensorflow已经可以直接调用keras.tf.keras.可以完全使用。并且tf2.0.中，keras也享有更多tf的资源，keras搭建的模型，可以调用s***emodel来保存。

如果你是程序员，那你肯定需要模型部署，目前工业界云侧大多数还是部署tensorflow保存的模型，或者pytorch模型。

caffe模型。

端侧或者边缘侧，还是部署轻量级模型，更多也是.tflite文件，经过量化部署。用tensorflow是最通用的。具体情况还得看你们公司硬件支持情况。

比如我们公司的芯片目前只支持caffe模型，我也是很无奈，从头了解caffe.

不过好在现在有个开源项目支持各种模型之间的转换。

小众轻量级深度学习开源框架DarkNet如何入门？

Darknet——一个源码为C的神经网络框架

今天路同学介绍一个相对小众的深度学习框架——Darknet。

与流行的Tensorflow以及Caffe框架相比，Darknet框架在某些方面有着自己独特的优势。

关于Darknet深度学习框架

Darknet深度学习框架是由Joseph Redmon提出的一个用C和CUDA编写的开源神经网络框架。它安装速度快，易于安装，并支持CPU和GPU计算。

你可以在GitHub上找到源代码：

***s://github***/pjreddie/darknet

你也可以在***上阅读完成更多事情：

***s://pjreddie***/darknet/

到此，以上就是小编对于深度学习框架制作交流的问题就介绍到这了，希望介绍关于深度学习框架制作交流的2点解答对大家有用。

[免责声明]本文来源于网络，不代表本站立场，如转载内容涉及版权等问题，请联系邮箱:83115484@qq.com，我们会予以删除相关文章，保证您的权利。转载请注明出处：http://www.lnbtw.com/post/52891.html