Como principiante en Deep Learning hoy, ¿qué marco debo usar?

Eso depende de lo que desee hacer y del nivel de experiencia que desee alcanzar. No estoy muy familiarizado con la antorcha, lasaña, cafeína, wxnet, etc., así que solo compararé las que conozco.

Si solo desea construir y entrenar una red neuronal que funcione, Keras es una excelente opción. Hace que todo sea más rápido y fácil a costa de cierta flexibilidad.

Si desea aprender un poco más sobre la forma en que realmente se construyen las redes neuronales, use el tensorflow.

Si quiere obligarse a comprender realmente lo que está sucediendo debajo del capó, cree su propia biblioteca. Una vez que lo haya construido, puede usar otras bibliotecas más eficientes, pero construir su propia biblioteca le enseñará mucho sobre cómo se calculan las redes neuronales.

Dentro de dos meses, la biblioteca que elegiste no importará mucho. Rápidamente creará prototipos de redes en el marco que elija. No pierdas demasiado tiempo preocupándote por qué marco y usa ese tiempo para aprender uno.

Las otras respuestas ya han indicado algunos de los marcos bien conocidos (es decir, Tensorflow, Theano, Caffe), así que permíteme presentarte algo nuevo que podría despertar tu interés. Le recomendaría que intente utilizar la Máquina de aprendizaje Ryskamp [1], ya que es fácil de usar y ofrece buena documentación para comenzar. Es muy diferente en la forma en que funciona (algoritmo central) en comparación con el aprendizaje automático tradicional. Por supuesto, diferente en el buen sentido. El enlace proporciona más información al respecto y también puede obtener el código fuente desde allí.

Notas al pie

[1] useAIble ™

Como principiante, comencé con Tensorflow. Solo tenía experiencia trabajando con numpy y pandas. Pero, créanme, para comenzar el aprendizaje profundo, el conocimiento básico de álgebra lineal y cálculo diferencial es más importante.

Por último, le recomendaría comenzar con tensorflow, aunque a veces tiene que trabajar con Keras. En este momento, planeo hacer algo de práctica con Keras además de TF. ¡La mejor de las suertes!

Para un principiante siempre iría por Theano. La razón es porque puedes implementar los detalles de nivel más bajo, como la transformación no lineal de la entrada a una neurona en cualquier capa en particular. De esta manera, obtienes más visibilidad y control sobre lo que sucede detrás de escena.

Este método de implementación también le brinda el mayor control para sintonizar y jugar con varios nobs disponibles para ver qué sucede y experimentar con toda la configuración.

Honestamente, yo mismo comencé con Theano y viendo la implementación fue una gran experiencia de aprendizaje.

Personalmente, creo que Torch es genial si eres un principiante. Tensorflow, Theano y otros tienden a manejar todo el proceso de propagación hacia atrás bajo el capó. La antorcha, por otro lado, requiere una comprensión más profunda del proceso de retropropagación (especialmente si desea habituarse en RNN) y, por lo tanto, le permitirá verificar si entendió correctamente la backprop. Sin embargo, si su objetivo es entrenar modelos de trabajo, puede optar por Torch, Tensorflow, Keras o cualquier otro marco de aprendizaje profundo ampliamente difundido.

Generalmente recomiendo Caffe para ConvNets y trabajos de producción. Sin embargo, para la investigación (que parece que podría ser), recomiendo TensorFlow. Hay una comunidad muy poderosa a su alrededor y un f ** kton métrico de tutoriales disponibles para ello.