TensorFlow
Google creó TensorFlow para reemplazar a Theano. Las dos bibliotecas son, de hecho, bastante similares. Algunos de los creadores de Theano, como Ian Goodfellow, crearon Tensorflow en Google antes de partir hacia OpenAI.
Positivos de TensorFlow
- ¿Existe alguna relación entre el aprendizaje automático y el campo de la electrónica analógica o digital?
- ¿Todavía es necesario aprender LDA (distribución de Dirichlet latente)?
- ¿Cuál es la diferencia entre clasificación (binaria y multiclase), regresión y agrupamiento?
- ¿Por qué PCA y LDA se usan juntas en el reconocimiento facial?
- Cómo saber qué algoritmo usar y cuándo
- Python + Numpy
- Abstracción de gráficos computacionales, como Theano
- Tiempos de compilación más rápidos que Theano
- Datos y paralelismo de modelos
- TensorBoard para visualización
TensorFlow Negatives
- Más lento que otros marcos
- Mucho más “gordo” que Antorcha; mas magia
- No hay muchos modelos entrenados
- El gráfico computacional es Python puro, por lo tanto lento
- Sin soporte comercial (el más grande)
- Llega a Python para cargar cada nuevo lote de entrenamiento
- No muy tolerable
- La escritura dinámica es propensa a errores en grandes proyectos de software
Chainer
Chainer es un marco de red neuronal de código abierto con una API de Python, cuyo equipo central de desarrolladores trabaja en Preferred Networks, una startup de aprendizaje automático con sede en Tokio que atrae a sus ingenieros en gran parte de la Universidad de Tokio. Hasta el advenimiento de DyNet en CMU y PyTorch en Facebook, Chainer era el marco de red neuronal líder para gráficos de computación dinámicos, o redes que permitían la entrada de longitud variable, una característica popular para las tareas de PNL. Por sus propios puntos de referencia, Chainer es notablemente más rápido que otros frameworks orientados a Python, con TensorFlow el más lento de un grupo de prueba que incluye MxNet y CNTK.