Tensorflow (TF) es un marco de aprendizaje profundo / máquina, no una “biblioteca de reconocimiento de imágenes”. Significa que puede entrenar diferentes modelos para una amplia gama de aplicaciones, desde el reconocimiento de imágenes hasta la eliminación de ruido de señales.
Ahora necesita ser más específico sobre lo que quiere decir con “mejor”, ¿mejor en qué?
En términos de simplicidad, creo que Keras es el contenedor más simple en Tensorflow / Theano / CNTK. Por envoltorio me refiero a una biblioteca escrita encima de otra biblioteca. Sin embargo, Keras no es tan flexible y usa TF de una manera muy ineficiente, lo que resulta en cálculos más lentos de lo necesario.
- ¿Existe algún programa que pueda ajustar computacionalmente funciones armónicas esféricas en un conjunto de datos?
- ¿Qué modo de Anaconda se debe usar para los algoritmos de aprendizaje automático?
- ¿Cuál es una pista adecuada para la clasificación de documentos con MATLAB?
- ¿Qué idioma es el mejor para construir código de producción de aprendizaje automático?
- ¿Cuál es la mejor manera de crear un conjunto de capacitación para el aprendizaje automático?
Torch y pyTorch podrían ser marcos “mejores” que TF, en términos de flexibilidad y facilidad de uso.
Neon es el más rápido que existe. Al menos en términos de tiempo de ejecución de CNN. No estoy seguro de cuán intensivas son las implementaciones de memoria. Además, el enfoque de alimentación de datos es muy eficiente.
Theano es muy conocido / respetado, pero recientemente se cerró.
Caffe y Caffe2 son ampliamente utilizados en la academia, pero es promedio en todos los aspectos.
Mi opinión es que: aunque TF puede ser doloroso de aprender (realmente fue para mí), creo que la flexibilidad lo vale. Sin embargo, si lo odias absolutamente, debes ir con pytorch ya que está despegando. ¡Un factor importante en la elección del marco es el tamaño de la comunidad! Cuanto más grande sea el tamaño de la comunidad, más posibilidades tienes de obtener ayuda cuando te quedas atascado. Creo que TF, caffe y torch / pytorch tienen las comunidades más grandes.
