TensorFlow εναντίον Theano εναντίον Torch εναντίον Keras: Βιβλιοθήκη Βαθιάς Μάθησης

Η τεχνητή νοημοσύνη αυξάνεται σε δημοτικότητα από το 2016, με το 20% των μεγάλων εταιρειών να χρησιμοποιούν τεχνητή νοημοσύνη στις επιχειρήσεις τους (McKinsey αναφέρουν, 2018). Σύμφωνα με την ίδια έκθεση, το AI μπορεί να δημιουργήσει σημαντική αξία σε όλους τους κλάδους. Στον τραπεζικό τομέα, για παράδειγμα, το δυναμικό της τεχνητής νοημοσύνης εκτιμάται σε $300 δισεκατομμύρια, στη λιανική ο αριθμός εκτοξεύεται στα ύψη $600 δισ.

Για να ξεκλειδώσουν τη δυνητική αξία της τεχνητής νοημοσύνης, οι εταιρείες πρέπει να επιλέξουν το σωστό πλαίσιο βαθιάς μάθησης. Σε αυτό το σεμινάριο, θα μάθετε για τις διάφορες βιβλιοθήκες που είναι διαθέσιμες για την εκτέλεση εργασιών βαθιάς μάθησης. Μερικές βιβλιοθήκες υπάρχουν εδώ και χρόνια ενώ νέα βιβλιοθήκη όπως η TensorFlow έχει έρθει στο φως τα τελευταία χρόνια.

8 καλυτερα Deep learning Libraries /Framework

Σε αυτήν τη λίστα, θα συγκρίνουμε τα κορυφαία πλαίσια Deep Learning. Όλα είναι ανοιχτού κώδικα και δημοφιλή στην κοινότητα των επιστημόνων δεδομένων. Θα συγκρίνουμε επίσης το δημοφιλές ML ως πάροχο υπηρεσιών

Torch

TorΤο ch είναι μια παλιά βιβλιοθήκη μηχανικής μάθησης ανοιχτού κώδικα. Κυκλοφόρησε για πρώτη φορά πριν από 15 χρόνια. Η κύρια γλώσσα προγραμματισμού της είναι η LUA, αλλά έχει και υλοποίηση σε C. Συγκρίνοντας την PyTorch έναντι TensorFlow, υποστηρίζει μια τεράστια βιβλιοθήκη για αλγόριθμους μηχανικής μάθησης, συμπεριλαμβανομένης της βαθιάς μάθησης. Υποστηρίζει την υλοποίηση CUDA για παράλληλους υπολογισμούς.

TorΤο εργαλείο βαθιάς μάθησης ch χρησιμοποιείται από τα περισσότερα κορυφαία εργαστήρια όπως το Facebook, Google, Twitter, Nvidia και ούτω καθεξής. Torτο ch έχει μια βιβλιοθήκη στο Python ονόματα Pytorch.

Infer.net

Το Infer.net αναπτύσσεται και διατηρείται από Microsoft. Το Infer.net είναι μια βιβλιοθήκη με κύρια εστίαση στη στατιστική Bayes. Το Infer.net είναι ένα εργαλείο οπτικοποίησης για τη βαθιά μάθηση που έχει σχεδιαστεί για να προσφέρει στους επαγγελματίες αλγόριθμους προηγμένης τεχνολογίας για πιθανοτική μοντελοποίηση. Η βιβλιοθήκη περιέχει αναλυτικά εργαλεία όπως η Bayesian ανάλυση, η κρυφή αλυσίδα Markov, η ομαδοποίηση.

Keras

Ο Κεράς είναι α Python πλαίσιο για βαθιά μάθηση. Είναι μια βολική βιβλιοθήκη για την κατασκευή οποιουδήποτε αλγόριθμου βαθιάς μάθησης. Το πλεονέκτημα του Keras είναι ότι χρησιμοποιεί το ίδιο Python κώδικα για εκτέλεση σε CPU ή GPU. Εξάλλου, το περιβάλλον κωδικοποίησης είναι καθαρό και επιτρέπει την εκπαίδευση αλγόριθμου τελευταίας τεχνολογίας για όραση υπολογιστή, αναγνώριση κειμένου μεταξύ άλλων.

Το Keras αναπτύχθηκε από τον François Chollet, ερευνητή στο GoogleΤο Keras χρησιμοποιείται σε εξέχοντες οργανισμούς όπως το CERN, το Yelp, το Square ή Google, Netflix, και Uber.

Θεανώ

Το Theano είναι μια βιβλιοθήκη βαθιάς μάθησης που αναπτύχθηκε από το Université de Montréal το 2007. Συγκρίνοντας το Theano με το TensorFlow, προσφέρει γρήγορους υπολογισμούς και μπορεί να εκτελεστεί τόσο σε CPU όσο και σε GPU. Το Theano έχει αναπτυχθεί για να εκπαιδεύει αλγόριθμους βαθιάς νευρωνικών δικτύων.

Microsoft Γνωστική Εργαλειοθήκη (CNTK)

Microsoft To toolkit, παλαιότερα γνωστό ως CNTK, είναι μια βιβλιοθήκη βαθιάς μάθησης που αναπτύχθηκε από Microsoft. Σύμφωνα με Microsoft, η βιβλιοθήκη είναι από τις ταχύτερες της αγοράς. Microsoft Το toolkit είναι μια βιβλιοθήκη ανοιχτού κώδικα, ωστόσο Microsoft το χρησιμοποιεί εκτενώς για τα προϊόντα της όπως Skype, Cortana, Bing και Xbox. Η εργαλειοθήκη είναι διαθέσιμη και στα δύο Python και C++.

MX Net

Το MXnet είναι μια πρόσφατη βιβλιοθήκη βαθιάς εκμάθησης. Είναι προσβάσιμο με πολλές γλώσσες προγραμματισμού, συμπεριλαμβανομένων C++, Τζούλια, Python και το R. MXNet μπορεί να ρυθμιστεί ώστε να λειτουργεί τόσο σε CPU όσο και σε GPU. Το MXNet περιλαμβάνει αρχιτεκτονική βαθιάς μάθησης αιχμής, όπως το Συνελικτικό Νευρωνικό Δίκτυο και τη Μακροπρόθεσμη Μνήμη. Το MXNet έχει κατασκευαστεί για να λειτουργεί harmony με δυναμική υποδομή cloud. Ο κύριος χρήστης του MXNet είναι Amazon

Καφετέρια

Το Caffe είναι μια βιβλιοθήκη που χτίστηκε από τον Yangqing Jia όταν ήταν διδακτορικός φοιτητής στο Berkeley. Συγκρίνοντας το Caffe εναντίον του TensorFlow, το Caffe είναι γραμμένο C++ και μπορεί να εκτελέσει υπολογισμούς τόσο σε CPU όσο και σε GPU. Οι κύριες χρήσεις του Caffe είναι το Convolutional Neural Network. Αν και, το 2017, το Facebook επέκτεινε το Caffe με πιο βαθιά αρχιτεκτονική εκμάθησης, συμπεριλαμβανομένου του Recurrent Neural Network. Το Caffe χρησιμοποιείται από ακαδημαϊκούς και νεοσύστατες επιχειρήσεις αλλά και ορισμένες μεγάλες εταιρείες όπως το Yahoo!.

TensorFlow

Το TensorFlow είναι Google έργο ανοιχτού κώδικα. Το TensorFlow είναι η πιο διάσημη βιβλιοθήκη βαθιάς μάθησης στις μέρες μας. Κυκλοφόρησε στο κοινό στα τέλη του 2015.

Το TensorFlow αναπτύσσεται σε C++ και έχει βολικό Python API, αν και C++ Διατίθενται επίσης API. Εξέχουσες εταιρείες όπως η Airbus, Google, IBM και ούτω καθεξής χρησιμοποιούν το TensorFlow για την παραγωγή αλγορίθμων βαθιάς μάθησης.

TensorFlow εναντίον Theano εναντίον Torch Vs Keras Vs infer.net Vs CNTK Vs MXNet Vs Caffe: Βασικές διαφορές

Βιβλιοθήκη	Πλατφόρμα	Γραμμένο σε	Υποστήριξη Cuda	Παράλληλη Εκτέλεση	Διαθέτει εκπαιδευμένα μοντέλα	RNN	CNN
Torch	Linux, macOS, Windows	Λουά	Ναι	Ναι	Ναι	Ναι	Ναι
Infer.Net	Linux, macOS, Windows	Visual Studio	Οχι	Οχι	Οχι	Οχι	Οχι
Keras	Linux, macOS, Windows	Python	Ναι	Ναι	Ναι	Ναι	Ναι
Θεανώ	Διασταυρούμενη πλατφόρμα	Python	Ναι	Ναι	Ναι	Ναι	Ναι
TensorFlow	Linux, macOS, Windows, Android	C++, Python, CUDA	Ναι	Ναι	Ναι	Ναι	Ναι
ΓΝΩΣΤΙΚΟ ΕΡΓΑΛΕΙΟ MICROSOFT	Linux, Windows, Mac με Docker	C++	Ναι	Ναι	Ναι	Ναι	Ναι
Καφετέρια	Linux, macOS, Windows	C++	Ναι	Ναι	Ναι	Ναι	Ναι
MX Net	Linux, Windows, macOS, Android, ΙΟΣ, Javascript	C++	Ναι	Ναι	Ναι	Ναι	Ναι

Ετυμηγορία

Το TensorFlow είναι η καλύτερη βιβλιοθήκη από όλες γιατί είναι φτιαγμένη για να είναι προσβάσιμη σε όλους. Η βιβλιοθήκη Tensorflow ενσωματώνει διαφορετικά API για να κατασκευαστεί σε κλίμακα αρχιτεκτονική βαθιάς μάθησης όπως το CNN ή το RNN. Το TensorFlow βασίζεται σε υπολογισμό γραφήματος, επιτρέπει στον προγραμματιστή να οπτικοποιήσει την κατασκευή του νευρωνικού δικτύου με Tensorboad. Αυτό το εργαλείο είναι χρήσιμο για τον εντοπισμό σφαλμάτων του προγράμματος. Τέλος, το Tensorflow έχει κατασκευαστεί για να αναπτύσσεται σε κλίμακα. Λειτουργεί σε CPU και GPU.

Τενσορροή στοtracΈχει τη μεγαλύτερη δημοτικότητα στο GitHub σε σύγκριση με άλλες βιβλιοθήκες βαθιάς μάθησης.

Συγκρίνοντας τη Μηχανική Μάθηση ως Υπηρεσία

Ακολουθούν 4 δημοφιλείς DL ως πάροχοι υπηρεσιών

Google Cloud ML

Google παρέχει ένα προ-εκπαιδευμένο μοντέλο προγραμματιστή διαθέσιμο στο Cloud AutoML. Αυτή η λύση υπάρχει για προγραμματιστές χωρίς ισχυρό υπόβαθρο σε μάθηση μηχανήςΟι προγραμματιστές μπορούν να χρησιμοποιήσουν την πιο σύγχρονη τεχνολογία Googleπρο-εκπαιδευμένο μοντέλο στα δεδομένα τους. Επιτρέπει σε οποιονδήποτε προγραμματιστή να εκπαιδεύσει και να αξιολογήσει οποιοδήποτε μοντέλο σε λίγα μόνο λεπτά.

Google Αυτή τη στιγμή παρέχει ένα REST API για υπολογιστική όραση, αναγνώριση ομιλίας, μετάφραση και NLP.

Χρησιμοποιώντας Google Cloud, μπορείτε να εκπαιδεύσετε ένα πλαίσιο μηχανικής μάθησης που βασίζεται σε TensorFlow, Scikit-learn, XGBoost ή Keras. Google Cloud Η μηχανική εκμάθηση θα εκπαιδεύσει τα μοντέλα στο σύννεφο της.

Το πλεονέκτημα της χρήσης Google Το cloud computing προσφέρει την απλότητα στην ανάπτυξη της μηχανικής μάθησης στην παραγωγή. Δεν χρειάζεται να ρυθμίσετε ένα κοντέινερ Docker. Επιπλέον, το cloud φροντίζει για την υποδομή. Γνωρίζει πώς να κατανέμει πόρους με CPU, GPU και TPU. Κάνει την εκπαίδευση πιο γρήγορη με παράλληλο υπολογισμό.

AWS SageMaker

Ένας σημαντικός ανταγωνιστής του Google Cloud is Amazon σύννεφο, AWS. Amazon έχει αναπτύξει Amazon Το SageMaker επιτρέπει σε επιστήμονες δεδομένων και προγραμματιστές να κατασκευάσουν, να εκπαιδεύσουν και να φέρουν στην παραγωγή οποιαδήποτε μοντέλα μηχανικής εκμάθησης.
Το SageMaker είναι διαθέσιμο σε α Jupyter Σημειωματάριο και περιλαμβάνει την πιο χρησιμοποιούμενη βιβλιοθήκη μηχανικής εκμάθησης, το TensorFlow, το MXNet, το Scikit-learn μεταξύ άλλων. Τα προγράμματα που είναι γραμμένα με το SageMaker εκτελούνται αυτόματα στα κοντέινερ του Docker. Amazon χειρίζεται την κατανομή πόρων για τη βελτιστοποίηση της εκπαίδευσης και της ανάπτυξης.

Amazon παρέχει API στους προγραμματιστές προκειμένου να προσθέσουν ευφυΐα στις εφαρμογές τους. Σε ορισμένες περιπτώσεις, δεν χρειάζεται να εφεύρουμε εκ νέου τον τροχό δημιουργώντας από την αρχή νέα μοντέλα, ενώ υπάρχουν ισχυρά προεκπαιδευμένα μοντέλα στο cloud. Amazon παρέχει υπηρεσίες API για υπολογιστική όραση, συνομιλητικά chatbot και γλωσσικές υπηρεσίες:

Τα τρία κύρια διαθέσιμα API είναι:

• Amazon Αναγνώριση: παρέχει αναγνώριση εικόνας και βίντεο σε μια εφαρμογή
• Amazon Κατανοώ: Εκτελέστε εξόρυξη κειμένου και επεξεργασία νευρωνικών γλωσσών για, για παράδειγμα, αυτοματοποίηση της διαδικασίας ελέγχου της νομιμότητας των οικονομικών εγγράφων
• Amazon Lex: Προσθήκη chatbot σε μια εφαρμογή

Azure Machine Learning Studio

Πιθανώς μια από τις πιο φιλικές προσεγγίσεις στη μηχανική μάθηση είναι Azure Machine Learning Studio. Το σημαντικό πλεονέκτημα αυτής της λύσης είναι ότι δεν απαιτείται προηγούμενη γνώση προγραμματισμού.

Microsoft Azure Το Machine Learning Studio είναι ένα εργαλείο συνεργασίας μεταφοράς και απόθεσης για τη δημιουργία, την εκπαίδευση, την αξιολόγηση και την ανάπτυξη λύσεων μηχανικής εκμάθησης. Το μοντέλο μπορεί να αναπτυχθεί αποτελεσματικά ως υπηρεσίες web και να χρησιμοποιηθεί σε πολλές εφαρμογές όπως το Excel.

Azure Η διεπαφή μηχανικής μάθησης είναι διαδραστική, επιτρέποντας στον χρήστη να δημιουργήσει ένα μοντέλο απλώς με μεταφορά και απόθεσηping στοιχεία γρήγορα.

Όταν το μοντέλο είναι έτοιμο, ο προγραμματιστής μπορεί να το αποθηκεύσει και να το προωθήσει Azure Γκαλερί or Azure Αγορά.

Azure Η μηχανική μάθηση μπορεί να ενσωματωθεί στο R ή Python προσαρμοσμένο ενσωματωμένο πακέτο τους.

IBM Watson ML

Το Watson studio μπορεί να απλοποιήσει τα έργα δεδομένων με μια βελτιστοποιημένη διαδικασία που επιτρέπει π.χ.tracΑξιοποιώντας την αξία και τις γνώσεις από τα δεδομένα για να βοηθήσει την επιχείρηση να γίνει πιο έξυπνη και γρήγορη. Το Watson Studio παρέχει ένα εύχρηστο περιβάλλον συνεργατικής επιστήμης δεδομένων και μηχανικής μάθησης για τη δημιουργία και την εκπαίδευση μοντέλων, την προετοιμασία και ανάλυση δεδομένων και την κοινή χρήση γνώσεων, όλα σε ένα μέρος. Το Watson Studio είναι εύχρηστο με κώδικα drag-and-drop.

Το Watson studio υποστηρίζει μερικά από τα πιο δημοφιλή πλαίσια όπως Tensorflow, Keras, Pytorch, Caffe και μπορεί να αναπτύξει έναν αλγόριθμο βαθιάς εκμάθησης στις πιο πρόσφατες GPU της Nvidia για να βοηθήσει στην επιτάχυνση της μοντελοποίησης.

Ετυμηγορία

Κατά την άποψή μας, Google Η λύση cloud είναι αυτή που συνιστάται περισσότερο. Google Η λύση cloud παρέχει χαμηλότερες τιμές στην AWS κατά τουλάχιστον 30% για λύσεις αποθήκευσης δεδομένων και μηχανικής μάθησης. Google κάνει εξαιρετική δουλειά για τον εκδημοκρατισμό της Τεχνητής Νοημοσύνης. Έχει αναπτύξει μια γλώσσα ανοιχτού κώδικα, την TensorFlow, βελτιστοποιημένη αποθήκη δεδομένων σύνδεση, παρέχει τεράστια εργαλεία από την οπτικοποίηση δεδομένων, την ανάλυση δεδομένων έως τη μηχανική μάθηση. Επιπλέον, Google Η κονσόλα είναι εργονομική και πολύ πιο ολοκληρωμένη από την AWS ή Windows.