TensorFlow vs Theano vs Torch vs Keras: süvaõppe raamatukogu

Tehisintellekt on alates 2016. aastast üha populaarsemaks muutumas ning 20% ​​suurettevõtetest kasutab oma äritegevuses tehisintellekti (McKinsey aru, 2018). Sama aruande kohaselt võib AI luua olulist väärtust kõigis tööstusharudes. Näiteks panganduses hinnatakse tehisintellekti potentsiaali $300 miljardit, jaemüügis tõuseb see arv hüppeliselt $600 miljardit eurot.

Tehisintellekti potentsiaalse väärtuse avamiseks peavad ettevõtted valima õige süvaõpperaamistiku. Sellest õpetusest saate teada erinevate süvaõppeülesannete täitmiseks saadaolevate raamatukogude kohta. Mõned raamatukogud on tegutsenud juba aastaid, samas kui viimastel aastatel on päevavalgele tulnud uus raamatukogu, näiteks TensorFlow.

8 parimat süvaõppe raamatukogu / raamistik

Selles loendis võrdleme populaarseimaid süvaõppe raamistikke. Kõik need on avatud lähtekoodiga ja andmeteadlaste kogukonnas populaarsed. Võrdleme ka populaarset ML-i teenusepakkujana

Torch

Torch on vana avatud lähtekoodiga masinõppe teek. See ilmus esmakordselt 15 aastat tagasi. Selle peamine programmeerimiskeel on LUA, kuid sellel on ka C-keele implementatsioon. Py võrdlusTorErinevalt TensorFlow'st toetab see ulatuslikku masinõppe algoritmide teeki, sealhulgas süvaõpet. See toetab CUDA rakendamist paralleelarvutuste jaoks.

Torsüvaõppe tööriista kasutab enamik juhtivaid laboreid, näiteks Facebook, Google, Twitter, Nvidia ja nii edasi. Torch-l on raamatukogu Python nimetab Pytorchi.

Infer.net

Infer.net on välja töötanud ja hooldanud Microsoft. Infer.net on raamatukogu, mis keskendub peamiselt Bayesi statistikale. Infer.net on süvaõppe visualiseerimistööriist, mis on loodud selleks, et pakkuda praktikutele tõenäosusliku modelleerimise tipptasemel algoritme. Raamatukogu sisaldab analüütilised vahendid nagu Bayesi analüüs, varjatud Markovi ahel, klasterdamine.

Keras

Keras on a Python süvaõppe raamistik. See on mugav raamatukogu mis tahes süvaõppe algoritmi koostamiseks. Kerase eeliseks on see, et ta kasutab sama Python kood CPU-s või GPU-s töötamiseks. Lisaks on kodeerimiskeskkond puhas ja võimaldab treenida tipptasemel algoritmi arvutinägemiseks, tekstituvastuseks.

Kerase töötas välja François Chollet, teadur ettevõttes GoogleKerast kasutatakse sellistes tuntud organisatsioonides nagu CERN, Yelp, Square või Google, Netflixja Uber.

Theano

Theano on süvaõppe raamatukogu, mille töötas välja Université de Montréal 2007. aastal. Võrreldes Theano vs TensorFlow, pakub see kiiret arvutust ja seda saab kasutada nii protsessoris kui ka GPU-s. Theano on välja töötatud sügavate närvivõrkude algoritmide koolitamiseks.

Microsoft Kognitiivne tööriistakomplekt (CNTK)

Microsoft tööriistakomplekt, varem tuntud kui CNTK, on ​​süvaõppe raamatukogu, mille on välja töötanud Microsoft. Järgi Microsoft, on raamatukogu üks kiiremaid turul. Microsoft tööriistakomplekt on siiski avatud lähtekoodiga teek Microsoft kasutab seda laialdaselt oma toodete jaoks Skype, Cortana, Bing ja Xbox. Tööriistakomplekt on saadaval mõlemas riigis Python ja C++.

MX Net

MXnet on hiljutine süvaõppe raamatukogu. See on saadaval mitme programmeerimiskeelega, sealhulgas C++, Julia, Python ja R. MXNeti saab konfigureerida töötama nii CPU kui ka GPU-ga. MXNet sisaldab tipptasemel süvaõppe arhitektuuri, nagu konvolutsiooniline närvivõrk ja pikaajaline lühiajaline mälu. MXNet on loodud töötamiseks harmony dünaamilise pilveinfrastruktuuriga. MXNeti peamine kasutaja on Amazon

Kohv

Caffe on raamatukogu, mille ehitas Yangqing Jia, kui ta oli Berkeley doktorant. Caffe vs TensorFlow võrdlemisel on Caffe sisse kirjutatud C++ ja suudab arvutada nii protsessori kui ka GPU-ga. Caffe peamine kasutusala on konvolutsiooniline närvivõrk. Kuigi 2017. aastal laiendas Facebook Caffe'i sügavama õppearhitektuuriga, sealhulgas korduva närvivõrguga. Caffet kasutavad akadeemikud ja idufirmad, aga ka mõned suured ettevõtted, nagu Yahoo!.

TensorFlow

TensorFlow on Google avatud lähtekoodiga projekt. TensorFlow on tänapäeval kuulsaim süvaõppe raamatukogu. See avaldati avalikkusele 2015. aasta lõpus.

TensorFlow on välja töötatud aastal C++ ja sellel on mugav Python API, kuigi C++ Saadaval on ka API-d. Tuntud ettevõtted nagu Airbus, Google, IBM ja nii edasi kasutavad süvaõppe algoritmide loomiseks TensorFlow.

TensorFlow vs Theano vs Torch vs Keras vs infer.net vs CNTK vs MXNet vs Caffe: peamised erinevused

Raamatukogu	Platvorm	Kirjutatud sisse	Cuda tugi	Paralleelne täitmine	On koolitatud modelle	RNN	CNN
Torch	Linux macOS, Windows	Kuu	Jah	Jah	Jah	Jah	Jah
Infer.Net	Linux macOS, Windows	Visual Studio	Ei	Ei	Ei	Ei	Ei
Keras	Linux macOS, Windows	Python	Jah	Jah	Jah	Jah	Jah
Theano	Cross-platvorm	Python	Jah	Jah	Jah	Jah	Jah
TensorFlow	Linux macOS, Windows, Android	C++, Python, CUDA	Jah	Jah	Jah	Jah	Jah
MICROSOFT KOGNITIIVNE TÖÖRIISTA	Linux Windows, Mac koos Dockeriga	C++	Jah	Jah	Jah	Jah	Jah
Kohv	Linux macOS, Windows	C++	Jah	Jah	Jah	Jah	Jah
MX Net	Linux Windows, macOS, Android, IOS, Javascript	C++	Jah	Jah	Jah	Jah	Jah

otsus

TensorFlow on kõigist parim raamatukogu, kuna see on loodud kõigile juurdepääsetavaks. Tensorflow teek sisaldab erinevaid API-sid, et luua mastaabis süvaõppearhitektuur, nagu CNN või RNN. TensorFlow põhineb graafiku arvutamisel, see võimaldab arendajal visualiseerida närvivõrgu ehitust Tensorboad. See tööriist on abiks programmi silumisel. Lõpuks on Tensorflow loodud laiaulatuslikuks kasutuselevõtuks. See töötab CPU-l ja GPU-l.

Tensorflow kelltracVõrreldes teiste süvaõppe teekidega on see GitHubis kõige populaarsem.

Masinõppe kui teenuse võrdlemine

Järgmised on 4 populaarset DL-i teenusepakkujana

Google Cloud ML

Google pakub Cloud AutoML-is saadaolevat arendajale eelnevalt koolitatud mudelit. See lahendus on mõeldud arendajatele, kellel puudub tugev taust masinõpeArendajad saavad kasutada tipptasemel tehnoloogiaid. Googleeelkoolitatud mudelit oma andmete põhjal. See võimaldab igal arendajal mis tahes mudelit vaid mõne minutiga treenida ja hinnata.

Google pakub praegu REST API-t arvutinägemise, kõnetuvastuse, tõlkimise ja keelelise kirjutamise jaoks.

Kasutamine Google Cloud, saate treenida TensorFlow, Scikit-learni, XGBoosti või Kerase baasil ehitatud masinõpperaamistikku. Google Cloud masinõpe koolitab mudeleid oma pilves.

Kasutamise eelis Google Pilvandmetöötlus on masinõppe tootmiskeskkonda juurutamise lihtsus. Dockeri konteinerit pole vaja seadistada. Lisaks hoolitseb pilv infrastruktuuri eest. See teab, kuidas ressursse protsessorite, graafikakaartide ja TPÜ-de vahel jaotada. See muudab paralleelarvutuse abil treenimise kiiremaks.

AWS SageMaker

Peamine konkurent Google Cloud is Amazon pilv, AWS. Amazon töötanud Amazon SageMaker võimaldab andmeteadlastel ja arendajatel ehitada, koolitada ja tootmisse tuua mis tahes masinõppemudeleid.
SageMaker on saadaval a Jupyter Sülearvuti ja sisaldab muu hulgas enimkasutatavat masinõppe raamatukogu TensorFlow, MXNet, Scikit-learn. SageMakeriga kirjutatud programme käivitatakse automaatselt Dockeri konteinerites. Amazon tegeleb ressursside eraldamisega, et optimeerida koolitust ja kasutuselevõttu.

Amazon pakub arendajatele API-t, et lisada nende rakendustele intelligentsust. Mõnikord pole vaja ratast uuesti leiutada, ehitades nullist uusi mudeleid, samal ajal kui pilves on võimsad eelkoolitatud mudelid. Amazon pakub API-teenuseid arvutinägemise, vestlusrobotite ja keeleteenuste jaoks:

Kolm peamist saadaolevat API-d on:

• Amazon Äratundmine: pakub rakendusele pildi- ja videotuvastust
• Amazon Mõista: Teostage tekstikaeve ja närvikeele töötlemist, et näiteks automatiseerida finantsdokumendi seaduslikkuse kontrollimise protsessi
• Amazon Lex: Lisage rakendusele vestlusbot

Azure Masinõppe stuudio

Tõenäoliselt on masinõppe üks sõbralikumaid lähenemisviise Azure Masinõppe stuudio. Selle lahenduse oluliseks eeliseks on see, et programmeerimise eelteadmised pole vajalikud.

Microsoft Azure Machine Learning Studio on pukseeritav koostöötööriist masinõppelahenduse loomiseks, koolitamiseks, hindamiseks ja juurutamiseks. Mudelit saab tõhusalt juurutada veebiteenustena ja kasutada mitmes rakenduses, näiteks Excelis.

Azure Masinõppe liides on interaktiivne, võimaldades kasutajal mudelit luua lihtsalt lohistadesping elemendid kiiresti.

Kui mudel on valmis, saab arendaja selle salvestada ja edasi lükata Azure Galerii or Azure Marketplace.

Azure Masinõpet saab integreerida R või Python nende kohandatud sisseehitatud pakett.

IBM Watson ML

Watsoni stuudio saab lihtsustada andmeprojekte sujuvama protsessiga, mis võimaldab näitekstracandmetest väärtuse ja teadmiste ammutamine, et aidata ettevõtetel targemaks ja kiiremaks muutuda. Watson Studio pakub hõlpsasti kasutatavat koostööl põhinevat andmeteaduse ja masinõppe keskkonda mudelite loomiseks ja treenimiseks, andmete ettevalmistamiseks ja analüüsimiseks ning teadmiste jagamiseks – kõik ühes kohas. Watson Studiot on lihtne kasutada lohistamisfunktsiooniga koodi abil.

Watsoni stuudio toetab mõnda populaarseimat raamistikku, nagu Tensorflow, Keras, Pytorch, Caffe ja saab modelleerimise kiirendamiseks juurutada Nvidia uusimatele GPU-dele süvaõppe algoritmi.

otsus

Meie seisukohast Google Pilvelahendus on see, mida kõige rohkem soovitatakse. Google Pilvelahendus pakub AWS-ile vähemalt 30% madalamaid hindu andmesalvestuse ja masinõppe lahenduste puhul. Google teeb suurepärast tööd tehisintellekti demokratiseerimise nimel. Nad on välja töötanud avatud lähtekoodiga keele TensorFlow, optimeerinud andmekogus ühendus pakub tohutult tööriistu andmete visualiseerimisest ja analüüsist masinõppeni. Lisaks Google Konsool on ergonoomiline ja palju terviklikum kui AWS või Windows.