Los marcos de Deep Learning operan en 2 niveles de abstracción:
- Nivel inferior: aquí es donde se encuentran los marcos como Tensorflow, MXNet, Theano y PyTorch. Este es el nivel donde se implementan operaciones matemáticas como la multiplicación matriz-matriz generalizada y las primitivas de redes neuronales como las operaciones convolucionales.
- Nivel superior: aquí es donde se sientan los marcos como Keras. En este nivel, las primitivas de nivel inferior se utilizan para implementar la abstracción de la red neuronal como capas y modelos. En general, en este nivel también se implementan otras API útiles, como el guardado de modelos y la capacitación de modelos.
No puede comparar Keras y Tensorflow porque se encuentran en diferentes niveles de abstracción. También quiero aprovechar esta oportunidad para compartir mi experiencia de usar Keras:
- No estoy de acuerdo con que Keras solo sea útil para el trabajo básico de Deep Learning . Keras es una API bellamente escrita. La naturaleza funcional de la API lo ayuda completamente y se sale de su camino para aplicaciones más exóticas. Keras no bloquea el acceso a marcos de nivel inferior.
- Keras da como resultado un código mucho más legible y conciso.
- Las API de serialización / deserialización del modelo Keras, las devoluciones de llamada y la transmisión de datos con generadores Python son muy maduras.
- Keras ha sido declarado la abstracción oficial de alto nivel para Tensorflow.
También me gustaría señalar que en estos días he estado probando PyTorch. No porque Keras sea limitante, sino que el gráfico dinámico de PyTorch hace que sea realmente fácil manejar secuencias de longitud variable.
- ¿Cuáles son algunas de las ventajas del aprendizaje por diferencia temporal y cómo se puede mejorar?
- Cómo evaluar la agrupación de k-medias en R
- ¿Cuáles son los pasos básicos del procesamiento de texto en el procesamiento del lenguaje natural para la similitud de texto?
- Durante la limpieza de datos cuando tiene un número decimal que representa el número de personas, ¿debe redondear hacia arriba o hacia abajo? Además, ¿qué sucede si el número total de todos los números redondeados no coincide con el número total de personas, es un error?
- ¿Cuáles son los mayores desafíos en la enseñanza del aprendizaje automático?