Personalmente, diría TensorFlow.
TensorFlow tiene un nivel mucho más bajo, por lo tanto, mientras que en Caffe las capas individuales están implementadas para usted, en TensorFlow tendrá que implementar las características más matizadas de la red. Esto significa que tiene más flexibilidad en TensorFlow, y puede hacer varias cosas de manera inmediata en TF que no podría hacer en Caffe.
Como usted dice en su pregunta que realmente quiere aprender Machine Learning y Deep Learning, es importante que no se vuelva flojo. Una parte importante de Machine Learning y Deep Learning es tener una comprensión firme y profunda de los conceptos que ha aprendido. No tendrá este nivel de comprensión si utiliza un marco DL de nivel relativamente alto para sostener su mano por usted. De hecho, incluso puedo recomendar (¡mi opinión!) Comenzar con un marco de nivel aún más bajo, como Theano. Cuando use Theano, tendrá que llegar a los componentes realmente esenciales de su red. Es realmente abrumador poder implementar su propia pérdida, y poder hacer todo tipo de arquitecturas extravagantes, y saber exactamente cómo funciona porque lo construyó desde cero (un poco).
- ¿Alguien ha intentado utilizar motores de recomendación y alguna forma de filtrado colaborativo para destacar agujeros en el mercado y producir conceptos para un mayor desarrollo en los productos?
- ¿Debo hacer un gran proyecto de investigación de aprendizaje profundo con mi propio dinero (y tiempo), sin que me paguen, solo para que alguien pueda contratarme debido al trabajo?
- ¿Cuáles son algunos temas de investigación matemáticamente rigurosos en aprendizaje automático y aprendizaje profundo en la actualidad?
- ¿Qué es la optimización de colonias de hormigas y cómo funciona en términos simples?
- ¿Cuál es la diferencia entre Bayes ingenuo y la entropía máxima?