TensorFlow vs. Theano vs. Torch vs Keras: Mélytanulási könyvtár

A mesterséges intelligencia népszerűsége 2016 óta növekszik, a nagyvállalatok 20%-a használ mesterséges intelligenciát üzleti tevékenységében (McKinsey jelentést, 2018). Ugyanezen jelentés szerint a mesterséges intelligencia jelentős értéket teremthet az egyes iparágakban. A banki ágazatban például a mesterséges intelligencia potenciálját a becslések szerint $300 milliárd, a kiskereskedelemben a szám az egekbe szökött $600 milliárd.

Az AI potenciális értékének felszabadításához a vállalatoknak meg kell választaniuk a megfelelő mély tanulási keretet. Ebben az oktatóanyagban megismerheti a mély tanulási feladatok végrehajtásához rendelkezésre álló különböző könyvtárakat. Egyes könyvtárak már évek óta léteznek, míg az elmúlt években új könyvtár, például a TensorFlow látott napvilágot.

8 legjobb mély tanulási könyvtár / keretrendszer

Ebben a listában a legnépszerűbb mély tanulási keretrendszereket fogjuk összehasonlítani. Mindegyik nyílt forráskódú és népszerű az adattudós közösségben. Összehasonlítjuk a népszerű ML-t mint szolgáltatót is

Torch

TorA ch egy régi, nyílt forráskódú gépi tanulási könyvtár. Először 15 évvel ezelőtt jelent meg. Elsődleges programozási nyelve a LUA, de van egy C implementációja is. A Py összehasonlításaTorA ch a TensorFlow-val ellentétben hatalmas gépi tanulási algoritmuskönyvtárat támogat, beleértve a mélytanulást is. Támogatja a CUDA implementációját a párhuzamos számításokhoz.

TorA ch mélytanulási eszközt a legtöbb vezető laboratórium, például a Facebook használja, Google, Twitter, Nvidia és így tovább. Torch-nak van egy könyvtára Python Pytorchnak nevezi.

Infer.net

Az Infer.net fejlesztője és karbantartója Microsoft. Az Infer.net egy olyan könyvtár, amely elsősorban a Bayes-statisztikára összpontosít. Az Infer.net a Deep Learning vizualizációs eszköze, amely a legkorszerűbb algoritmusokat kínálja a szakembereknek a valószínűségi modellezéshez. A könyvtár tartalmaz analitikai eszközök mint a Bayes-analízis, rejtett Markov-lánc, klaszterezés.

Keras

Keras a Python keretrendszer a mély tanuláshoz. Ez egy kényelmes könyvtár bármilyen mély tanulási algoritmus létrehozásához. A Keras előnye, hogy ugyanazt használja Python kód CPU-n vagy GPU-n történő futtatásához. Emellett a kódolási környezet tiszta, és lehetővé teszi többek között a számítógépes látás, a szövegfelismerés korszerű algoritmusainak betanítását.

A Keras-t François Chollet, a ... kutatója fejlesztette ki. GoogleA Keras-t olyan kiemelkedő szervezetek használják, mint a CERN, a Yelp, a Square vagy a Google, Netflixés az Uber.

Theano

A Theano egy mély tanulási könyvtár, amelyet az Université de Montréal fejlesztett ki 2007-ben. A Theano és a TensorFlow összehasonlításával gyors számítást kínál, és CPU-n és GPU-n is futtatható. A Theano-t mély neurális hálózati algoritmusok betanítására fejlesztették ki.

Microsoft Kognitív eszköztár (CNTK)

Microsoft toolkit, korábban CNTK néven ismert, egy mély tanulási könyvtár, amelyet a Microsoft. Szerint Microsoft, a könyvtár az egyik leggyorsabb a piacon. Microsoft A toolkit egy nyílt forráskódú könyvtár, bár Microsoft széles körben használja a termékéhez hasonló Skype, Cortana, Bing és Xbox. Az eszköztár mindkettőben elérhető Python és a C++.

MX Net

Az MXnet egy új, mély tanulási könyvtár. Több programozási nyelvvel is elérhető, beleértve C++, Julia, Python és R. Az MXNet beállítható úgy, hogy CPU-n és GPU-n is működjön. Az MXNet a legmodernebb mélytanulási architektúrát tartalmazza, például a konvolúciós neurális hálózatot és a hosszú rövid távú memóriát. Az MXNet működésre készült harmony dinamikus felhő infrastruktúrával. Az MXNet fő felhasználója Amazon

Kávézó

A Caffe egy könyvtár, amelyet Yangqing Jia épített, amikor doktoranduszként a Berkeley-ben volt. A Caffe és a TensorFlow összehasonlítása során a Caffe be van írva C++ és CPU-n és GPU-n is képes számításokat végezni. A Caffe elsődleges felhasználási területe a konvolúciós neurális hálózat. Bár 2017-ben a Facebook kiterjesztette a Caffe-t egy mélyebb tanulási architektúrával, beleértve a Recurrent Neural Networköt. A Caffe-t akadémikusok és induló vállalkozások, de néhány nagyvállalat is használja, mint például a Yahoo!.

TensorFlow

A TensorFlow Google nyílt forráskódú projekt. A TensorFlow napjaink leghíresebb mélytanulási könyvtára. 2015 végén jelent meg a nyilvánosság számára.

A TensorFlow-t ben fejlesztették ki C++ és kényelmes Python API, bár C++ API-k is elérhetők. Kiemelkedő cégek, mint például az Airbus, Google, IBM és így tovább a TensorFlow-t használják mély tanulási algoritmusok előállítására.

TensorFlow vs. Theano vs. Torch vs. Keras vs. infer.net vs. CNTK vs. MXNet vs. Caffe: Főbb különbségek

könyvtár	Emelvény	Írtam be	Cuda támogatás	Párhuzamos végrehajtás	Képzett modelljei vannak	RNN	CNN
Torch	Linux, macOS, Windows	Lua	Igen	Igen	Igen	Igen	Igen
Infer.Net	Linux, macOS, Windows	Visual Studio	Nem	Nem	Nem	Nem	Nem
Keras	Linux, macOS, Windows	Python	Igen	Igen	Igen	Igen	Igen
Theano	Cross-platform	Python	Igen	Igen	Igen	Igen	Igen
TensorFlow	Linux, macOS, Windows, Android	C++, Python, CUDA	Igen	Igen	Igen	Igen	Igen
MICROSOFT KOGNITÍV ESZKÖZKÉSZLET	Linux, Windows, Mac Dockerrel	C++	Igen	Igen	Igen	Igen	Igen
Kávézó	Linux, macOS, Windows	C++	Igen	Igen	Igen	Igen	Igen
MX Net	Linux, Windows, macOS, Android, IOS, Javascript	C++	Igen	Igen	Igen	Igen	Igen

Verdikt

A TensorFlow a legjobb könyvtár az összes közül, mert úgy készült, hogy mindenki számára elérhető legyen. A Tensorflow könyvtár különböző API-kat tartalmaz a nagyszabású mélytanulási architektúra, például a CNN vagy az RNN létrehozásához. A TensorFlow gráf számításon alapul, lehetővé teszi a fejlesztő számára a neurális hálózat felépítésének megjelenítését Tensorboad. Ez az eszköz segít a program hibakeresésében. Végül a Tensorflow méretarányos üzembe helyezésre készült. CPU-n és GPU-n fut.

Tensorflow itt:tracA GitHubon a legnagyobb népszerűségnek örvend a többi mélytanulási könyvtárhoz képest.

A gépi tanulás mint szolgáltatás összehasonlítása

Az alábbiakban 4 népszerű DL szolgáltató található

Google Cloud ML

Google Cloud AutoML-ben elérhető, előre betanított fejlesztői modellt biztosít. Ez a megoldás olyan fejlesztők számára készült, akiknek nincs erős hátterük a következő területen: gépi tanulásA fejlesztők a legmodernebb technológiákat használhatják. Googleelőre betanított modelljét használja az adatain. Ez lehetővé teszi bármely fejlesztő számára, hogy mindössze néhány perc alatt betanítson és kiértékeljen bármilyen modellt.

Google jelenleg REST API-t biztosít számítógépes látáshoz, beszédfelismeréshez, fordításhoz és NLP-hez.

<p></p> Google Cloud, betaníthat egy gépi tanulási keretrendszert TensorFlow-ra, Scikit-learn-re, XGBoostra vagy Kerasra. Google Cloud A gépi tanulás betanítja a modelleket a felhőben.

A használat előnye Google A felhőalapú számítástechnika a gépi tanulás éles környezetben való bevezetésének egyszerűségét jelenti. Nincs szükség Docker konténer beállítására. Ezenkívül a felhő gondoskodik az infrastruktúráról. Tudja, hogyan kell elosztani az erőforrásokat a CPU-k, GPU-k és TPU-k között. A párhuzamos számításnak köszönhetően gyorsabbá teszi a betanítást.

AWS SageMaker

Jelentős versenytársa Google Cloud is Amazon felhő, AWS. Amazon kifejlesztett Amazon A SageMaker segítségével az adattudósok és fejlesztők bármilyen gépi tanulási modellt megépíthetnek, betaníthatnak és gyártásba hozhatnak.
A SageMaker elérhető a Jupyter Notebook, és többek között tartalmazza a leggyakrabban használt gépi tanulási könyvtárat, a TensorFlow-t, az MXNet-et, a Scikit-learn-t. A SageMakerrel írt programok automatikusan a Docker-tárolókban futnak. Amazon kezeli az erőforrás-elosztást a képzés és a telepítés optimalizálása érdekében.

Amazon API-t biztosít a fejlesztők számára annak érdekében, hogy intelligencia adják hozzá alkalmazásaikat. Bizonyos esetekben nincs szükség arra, hogy új modelleket építsenek a semmiből, miközben erőteljes, előre betanított modellek vannak a felhőben. Amazon API-szolgáltatásokat nyújt számítógépes látáshoz, társalgási chatbotokhoz és nyelvi szolgáltatásokhoz:

A három fő elérhető API a következő:

• Amazon Felismerés: kép- és videófelismerést biztosít egy alkalmazás számára
• Amazon Megért: Szövegbányászat és neurális nyelvi feldolgozás végrehajtása például a pénzügyi dokumentumok jogszerűségének ellenőrzési folyamatának automatizálása érdekében
• Amazon Lex: Adja hozzá a chatbotot egy alkalmazáshoz

Azure Gépi tanulási stúdió

Valószínűleg a gépi tanulás egyik legbarátságosabb megközelítése az Azure Gépi tanulási stúdió. A megoldás jelentős előnye, hogy nincs szükség előzetes programozási ismeretekre.

Microsoft Azure A Machine Learning Studio egy drag and drop együttműködési eszköz a gépi tanulási megoldások létrehozásához, betanításához, értékeléséhez és üzembe helyezéséhez. A modell hatékonyan telepíthető webszolgáltatásként, és számos alkalmazásban, például Excelben is használható.

Azure A gépi tanulási felület interaktív, lehetővé téve a felhasználó számára, hogy egyszerűen húzással és elengedéssel építsen modelltping elemek gyorsan.

Amikor a modell készen van, a fejlesztő elmentheti és továbbíthatja Azure Képek or Azure Piactér.

Azure A gépi tanulás integrálható az R ill Python egyedi beépített csomagjukat.

IBM Watson ML

A Watson stúdió leegyszerűsítheti az adatprojekteket egy olyan korszerűsített folyamattal, amely lehetővé teszi az extracAz adatokból értéket és elemzéseket nyer ki, hogy segítse a vállalkozásokat az intelligensebb és gyorsabb működésben. A Watson Studio egy könnyen használható, együttműködésen alapuló adattudományi és gépi tanulási környezetet biztosít modellek építéséhez és betanításához, adatok előkészítéséhez és elemzéséhez, valamint elemzések megosztásához – mindezt egy helyen. A Watson Studio könnyen használható a kód áthúzásával.

A Watson stúdió támogatja a legnépszerűbb keretrendszerek némelyikét, mint például a Tensorflow, Keras, Pytorch, Caffe, és mélytanulási algoritmust tud telepíteni az Nvidia legújabb GPU-ira a modellezés felgyorsítása érdekében.

Verdikt

A mi szempontunkból Google A felhőalapú megoldás az egyik legajánlottabb. Google A felhőalapú megoldás legalább 30%-kal alacsonyabb árakat biztosít az AWS adattárolási és gépi tanulási megoldásaihoz képest. Google kiváló munkát végez a mesterséges intelligencia demokratizálása érdekében. Kifejlesztettek egy nyílt forráskódú nyelvet, a TensorFlow-t, optimalizálták adattárház kapcsolat, amely hatalmas eszközöket kínál az adatvizualizációtól és az adatelemzéstől kezdve a gépi tanulásig. Emellett Google A konzol ergonomikus és sokkal átfogóbb, mint az AWS vagy Windows.