一个做知识分享的网站
学习框架对***析交流,比较分析框架
cysgjj时间2025-07-12 16:20:29分类经验交流浏览6
大家好，今天小编关注到一个比较有意思的话题，就是关于学习框架对比分析交流的问题，于是小编就整理了3个相关介绍学习框架对***析交流的解答，让我们一起看看吧。
- 《TensorFlow实战》和《TensorFlow:实战google深度学习框架》两本书有何异同？
- 学习前端应该先死磕基础，再学习框架；还是基础与框架之间循环精进？
- Keras还是TensorFlow，程序员该如何选择深度学习框架？
《TensorFlow实战》和《TensorFlow:实战google深度学习框架》两本书有何异同？
这两本书的名字比较像，也都是介绍TensorFlow的，而且都是电子工业出版社，不过仔细看，写法还是不怎么一样。
TensorFlow实战
《TensorFlow实战》是黄文坚等撰写的。书的主要内容是使用TensorFlow实现各种常见的机器学习模型，从SoftmaxRegression、自编码器、多层感知机、卷积神经网络 、AlexNet、VGGNet、GoogleInceptionNet、ResNet、循环神经网络、Word2Vec、LSTM、BidirectionalLSTM、深度强化学习、策略网络、估值网络。
总的来说，覆盖了所有常见的主流模型，比较全面，也包括最新提出的模型（GoogleInceptionNet、ResNet等）。
当然，除了用TensorFlow实现各种机器学习模型外，还介绍了TensorBoard、TF.Learn、tfprof等配套组件。
Tensorflow：实战Google深度学习框架
《TensorFlow：实战Google深度学习框架》是郑泽宇等撰写的。和《TensorFlow实战》相比，加入了更多对初学者而言比较友好的内容。比如：
当然，另一方面，《TensorFlow：实战Google深度学习框架》涉及的模型就没有《TensorFlow实战》广泛了。
刚好两本书都买了看过，初学建议买《TensorFlow:实战Google深度学习框架》注释和代码很全很有体系，跟着学很合适。有一定基础，想进一步学习应用场景的可以买《TensorFlow实战》。
学习前端应该先死磕基础，再学习框架；还是基础与框架之间循环精进？
我作为一个前端开发6年的老兵，虽然说不上老，但是我个人感觉学习前端一定要循序渐进，基础一定打扎实，万丈高楼平地起，js的基础特别重要，如果你的javascript原生能力很强，学起其他框架是比较容易的，不能眼高手低，心浮气躁的看到别人学这个你也去学一下，每个人的基础和能力不太一样，框架这些东西底层还是用js去实现的，所以我个人介意你先从html5+css3(当然css你是没有问题的)c***as,bootstrap,jquery这些事第一阶段，第二阶段是nodejs+webpack+es6等打包工具，第三阶段是vue+angular2+ react等至少了解三个然后重点掌握期中之一，至少看看源码是如何实现的，第四阶段是架构,自己学会搭建脚手架，知道前端异常处理，安全性，如何优化等
Keras还是TensorFlow，程序员该如何选择深度学习框架？
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。
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。
到此，以上就是小编对于学习框架对***析交流的问题就介绍到这了，希望介绍关于学习框架对***析交流的3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/55134.html
