在线观看www成人影院-在线观看www日本免费网站-在线观看www视频-在线观看操-欧美18在线-欧美1级

0
  • 聊天消息
  • 系統(tǒng)消息
  • 評論與回復(fù)
登錄后你可以
  • 下載海量資料
  • 學(xué)習(xí)在線課程
  • 觀看技術(shù)視頻
  • 寫文章/發(fā)帖/加入社區(qū)
會(huì)員中心
創(chuàng)作中心

完善資料讓更多小伙伴認(rèn)識你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

PyTorch1.8和Tensorflow2.5該如何選擇?

阿銘linux ? 來源:towards data science ? 作者:Mostafa Ibrahim ? 2021-07-09 10:33 ? 次閱讀

深度學(xué)習(xí)重新獲得公認(rèn)以來,許多機(jī)器學(xué)習(xí)框架層出不窮,爭相成為研究人員以及行業(yè)從業(yè)人員的新寵。從早期的學(xué)術(shù)成果 Caffe、Theano,到獲得龐大工業(yè)支持的 PyTorch、TensorFlow,許多研究者面對大量的學(xué)習(xí)框架不知該如何選擇?

Tensorflow / Keras 和 PyTorch 是迄今為止最受歡迎的兩個(gè)主要機(jī)器學(xué)習(xí)庫。TensorFlow 由谷歌團(tuán)隊(duì)開發(fā),于 2015 年發(fā)布。而 PyTorch 則由 Facebook 的團(tuán)隊(duì)開發(fā),并于 2017 年在 GitHub 上開源。

為了充分發(fā)揮不同機(jī)器學(xué)習(xí)框架的優(yōu)勢,許多機(jī)器學(xué)習(xí)從業(yè)者對不同框架進(jìn)行了比較,通過對比優(yōu)缺點(diǎn),以選擇最適合自己的框架。

在本文中,我們將從以下兩個(gè)方面對機(jī)器學(xué)習(xí)庫(PyTorch 1.8 和 Tensorflow 2.5)進(jìn)行比較:

最新發(fā)行版本中的新增功能;

使用哪個(gè)以及為什么。

Tensorflow 2.x VS Pytorch 1.8

Tensorflow 2.x

TensorFlow 1 和 TensorFlow 2.x 之間有很多變化。第一個(gè)是 Tensorflow.js. 的發(fā)布。隨著 Web 應(yīng)用程序越來越占主導(dǎo)地位,在瀏覽器上部署模型的需求大大增加。借助 Tensorflow.js,你可以使用 Node 在瀏覽器中運(yùn)行現(xiàn)有的 python 模型、重新訓(xùn)練現(xiàn)有的模型,并使用 Javascript 完全構(gòu)建和訓(xùn)練模型(不需要 python)。

Tensorflow 2.x 中的另一個(gè)版本是 Tensorflow Lite,一個(gè)輕量級庫,用于在移動(dòng)和嵌入式設(shè)備上部署模型。這是因?yàn)橐苿?dòng)和 Web 應(yīng)用程序是兩種最主要的應(yīng)用程序類型。

使用 Tensorflow Lite,你可以簡單地將現(xiàn)有模型轉(zhuǎn)換為「compressed flat buffer」,然后將 buffer 加載到移動(dòng)設(shè)備或任何其他嵌入式設(shè)備中。這期間發(fā)生的主要優(yōu)化過程是將 32 位浮點(diǎn)值轉(zhuǎn)換成 8 位,這更適合于嵌入式設(shè)備(更少的內(nèi)存使用)。

此外還包括 Tensorflow Extended(TFX)的發(fā)布,它是用于部署生產(chǎn) ML pipeline 的端到端平臺。其在機(jī)器學(xué)習(xí)的 3 個(gè)最重要領(lǐng)域(web 應(yīng)用程序、移動(dòng)應(yīng)用程序和生產(chǎn)管理)方面做得很好。

機(jī)器學(xué)習(xí)生產(chǎn) pipeline 仍需要大量研究和開發(fā)。TFX 可以應(yīng)對經(jīng)典的軟件生產(chǎn)挑戰(zhàn),例如可擴(kuò)展性、可維護(hù)性和模塊化。此外,它還可以幫助解決機(jī)器學(xué)習(xí)的特定挑戰(zhàn),例如持續(xù)在線學(xué)習(xí)、數(shù)據(jù)驗(yàn)證,數(shù)據(jù)管理等。

PyTorch 1.8

與 Tensorflow Lite 相似,PyTorch 改進(jìn)了其現(xiàn)有的 Pytorch Mobile。該框架可以量化、跟蹤、優(yōu)化和保存適用于 AndroidiOS 的模型。此外還發(fā)布了 Pytorch Lite Interpreter 的原型,該原型可減小移動(dòng)設(shè)備上二進(jìn)制運(yùn)行時(shí)的大小。

此外,還通過更具體的錯(cuò)誤處理和 pipeline 并行為分布式訓(xùn)練提供了更多支持。Pytorch Profiler 用于分析 APP、模型的執(zhí)行時(shí)間、執(zhí)行流程、內(nèi)存消耗等。

盡管 Pytorch lightning 不是 PyTorch 1.8 的一部分,但還是值得一提。Pytorch lightning 已發(fā)布,可以使編碼神經(jīng)網(wǎng)絡(luò)更加簡單。可以將其視為 Pytorch 的 Keras,使用廣泛,其中的原因可歸結(jié)為 Keras 顯著的改進(jìn)了 Tensorflow,因?yàn)樗箤?shí)現(xiàn)模型變得更加容易和快捷。在 Pytorch 中,Pytorch lightning 起到了相同的作用。

該如何選擇?

從本質(zhì)上講,這兩個(gè)庫都是相當(dāng)不錯(cuò)的,它們在性能和功能上非常接近。總的來說,兩個(gè)庫之間的編碼風(fēng)格有所不同。

PyTorch 以其 OOP(面向?qū)ο?a target="_blank">編程)風(fēng)格而聞名。例如,當(dāng)創(chuàng)建自定義模型或自定義數(shù)據(jù)集時(shí),你很可能會(huì)創(chuàng)建一個(gè)新類,該類繼承默認(rèn)的 PyTorch 庫,然后在進(jìn)行代碼調(diào)整。盡管 OOP 以某種方式為代碼提供了一種結(jié)構(gòu),但就代碼行數(shù)而言,會(huì)使代碼變得很長。

另一方面,當(dāng)使用 Tensorflow 時(shí),你很可能會(huì)使用 Keras。例如在進(jìn)行 Kaggle 比賽時(shí)(監(jiān)督學(xué)習(xí)圖像分類、目標(biāo)檢測、圖像分割、NLP 等任務(wù)),可以發(fā)現(xiàn) Keras 的代碼實(shí)現(xiàn)比 PyTorch 短。作為初學(xué)者 / 中級人員,這是非常不錯(cuò)的選擇,因?yàn)槟悴槐鼗ㄙM(fèi)大量時(shí)間閱讀和分解代碼行。

在某些情況下,需要在特定的機(jī)器學(xué)習(xí)領(lǐng)域中尋找特定的模型。例如,當(dāng)進(jìn)行目標(biāo)檢測比賽時(shí),想要實(shí)現(xiàn) DETR(Facebook 的 Data-Efficient transformer),結(jié)果發(fā)現(xiàn)大部分資源都是用 PyTorch 編寫的,因此在這種情況下,使用 PyTorch 更加容易。

另外,PyTorch 的代碼實(shí)現(xiàn)更長,因?yàn)樗鼈兒w了許多底層細(xì)節(jié)。這既是優(yōu)點(diǎn)也是缺點(diǎn)。當(dāng)你是初學(xué)者時(shí)先學(xué)習(xí)低層級的細(xì)節(jié),然后再使用更高層級的 API(例如 Keras)非常有幫助。但是,這同時(shí)也是一個(gè)缺點(diǎn),因?yàn)槟銜?huì)發(fā)現(xiàn)自己迷失于許多細(xì)節(jié)和相當(dāng)長的代碼段中。因此,從本質(zhì)上講,如果你的工作期限很緊,最好選擇 Keras 而不是 PyTorch。

原文鏈接:https://towardsdatascience.com/pytorch-vs-tensorflow-2021-d403504d7bc3

文章轉(zhuǎn)自機(jī)器之心

(版權(quán)歸原作者所有,侵刪)

編輯:jq

聲明:本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點(diǎn)僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場。文章及其配圖僅供工程師學(xué)習(xí)之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問題,請聯(lián)系本站處理。 舉報(bào)投訴
  • pytorch
    +關(guān)注

    關(guān)注

    2

    文章

    809

    瀏覽量

    13779

原文標(biāo)題:PyTorch 1.8 和 Tensorflow 2.5,我該用哪個(gè)?

文章出處:【微信號:aming_linux,微信公眾號:阿銘linux】歡迎添加關(guān)注!文章轉(zhuǎn)載請注明出處。

收藏 人收藏

    評論

    相關(guān)推薦
    熱點(diǎn)推薦

    操作指南:pytorch云服務(wù)器怎么設(shè)置?

    設(shè)置PyTorch云服務(wù)器需選擇云平臺,創(chuàng)建合適的GPU實(shí)例,安裝操作系統(tǒng)、Python及Anaconda,創(chuàng)建虛擬環(huán)境,根據(jù)CUDA版本安裝PyTorch,配置環(huán)境變量,最后驗(yàn)證安裝。過程中需考慮
    的頭像 發(fā)表于 02-08 10:33 ?308次閱讀

    PyTorch 數(shù)據(jù)加載與處理方法

    ,數(shù)據(jù)加載主要依賴于 torch.utils.data 模塊,模塊提供了 Dataset 和 DataLoader 兩個(gè)核心類。 1.1 Dataset 類 Dataset 類是 PyTorch 中所
    的頭像 發(fā)表于 11-05 17:37 ?866次閱讀

    使用PyTorch在英特爾獨(dú)立顯卡上訓(xùn)練模型

    PyTorch 2.5重磅更新:性能優(yōu)化+新特性》中的一個(gè)新特性就是:正式支持在英特爾獨(dú)立顯卡上訓(xùn)練模型!
    的頭像 發(fā)表于 11-01 14:21 ?1897次閱讀
    使用<b class='flag-5'>PyTorch</b>在英特爾獨(dú)立顯卡上訓(xùn)練模型

    新手小白怎么通過云服務(wù)器跑pytorch

    安裝PyTorch的步驟可以根據(jù)不同的操作系統(tǒng)和需求有所差異,通過云服務(wù)器運(yùn)行PyTorch的過程主要包括選擇GPU云服務(wù)器平臺、配置服務(wù)器環(huán)境、部署和運(yùn)行PyTorch模型、優(yōu)化性能
    的頭像 發(fā)表于 09-25 11:35 ?522次閱讀

    pytorch怎么在pycharm中運(yùn)行

    PyTorch。以下是安裝PyTorch的步驟: 打開終端或命令提示符。 根據(jù)你的系統(tǒng)和需求,選擇適當(dāng)?shù)陌惭b命令。例如,如果你使用的是Python 3.8和CUDA 10.2,可以使用以下命令: pip
    的頭像 發(fā)表于 08-01 16:22 ?2343次閱讀

    pycharm如何調(diào)用pytorch

    引言 PyTorch是一個(gè)開源的機(jī)器學(xué)習(xí)庫,廣泛用于計(jì)算機(jī)視覺、自然語言處理等領(lǐng)域。PyCharm是一個(gè)流行的Python集成開發(fā)環(huán)境(IDE),提供了代碼編輯、調(diào)試、測試等功能。將PyTorch
    的頭像 發(fā)表于 08-01 15:41 ?1096次閱讀

    TensorFlow是什么?TensorFlow怎么用?

    TensorFlow是由Google開發(fā)的一個(gè)開源深度學(xué)習(xí)框架,它允許開發(fā)者方便地構(gòu)建、訓(xùn)練和部署各種復(fù)雜的機(jī)器學(xué)習(xí)模型。TensorFlow憑借其高效的計(jì)算性能、靈活的架構(gòu)以及豐富的工具和庫,在學(xué)
    的頭像 發(fā)表于 07-12 16:38 ?1213次閱讀

    pytorch中有神經(jīng)網(wǎng)絡(luò)模型嗎

    處理、語音識別等領(lǐng)域取得了顯著的成果。PyTorch是一個(gè)開源的深度學(xué)習(xí)框架,由Facebook的AI研究團(tuán)隊(duì)開發(fā)。它以其易用性、靈活性和高效性而受到廣泛歡迎。在PyTorch中,有許多預(yù)訓(xùn)練的神經(jīng)網(wǎng)絡(luò)模型可供選擇,這些模型可以
    的頭像 發(fā)表于 07-11 09:59 ?1537次閱讀

    PyTorch的介紹與使用案例

    PyTorch是一個(gè)基于Python的開源機(jī)器學(xué)習(xí)庫,它主要面向深度學(xué)習(xí)和科學(xué)計(jì)算領(lǐng)域。PyTorch由Meta Platforms(原Facebook)的人工智能研究團(tuán)隊(duì)開發(fā),并逐漸發(fā)展成為深度
    的頭像 發(fā)表于 07-10 14:19 ?816次閱讀

    tensorflowpytorch哪個(gè)更簡單?

    PyTorch更簡單。選擇TensorFlow還是PyTorch取決于您的具體需求和偏好。如果您需要一個(gè)易于使用、靈活且具有強(qiáng)大社區(qū)支持的框架,Py
    的頭像 發(fā)表于 07-05 09:45 ?1370次閱讀

    tensorflowpytorch哪個(gè)好

    tensorflowpytorch都是非常不錯(cuò)的強(qiáng)大的框架,TensorFlow還是PyTorch哪個(gè)更好取決于您的具體需求,以下是關(guān)于這兩個(gè)框架的一些關(guān)鍵點(diǎn):
    的頭像 發(fā)表于 07-05 09:42 ?1125次閱讀

    tensorflow簡單的模型訓(xùn)練

    在本文中,我們將詳細(xì)介紹如何使用TensorFlow進(jìn)行簡單的模型訓(xùn)練。TensorFlow是一個(gè)開源的機(jī)器學(xué)習(xí)庫,廣泛用于各種機(jī)器學(xué)習(xí)任務(wù),包括圖像識別、自然語言處理等。我們將從安裝
    的頭像 發(fā)表于 07-05 09:38 ?1212次閱讀

    keras模型轉(zhuǎn)tensorflow session

    在這篇文章中,我們將討論如何將Keras模型轉(zhuǎn)換為TensorFlow session。 Keras和TensorFlow簡介 Keras是一個(gè)高級神經(jīng)網(wǎng)絡(luò)API,它提供了一種簡單、快速的方式來構(gòu)建
    的頭像 發(fā)表于 07-05 09:36 ?809次閱讀

    如何使用PyTorch建立網(wǎng)絡(luò)模型

    PyTorch是一個(gè)基于Python的開源機(jī)器學(xué)習(xí)庫,因其易用性、靈活性和強(qiáng)大的動(dòng)態(tài)圖特性,在深度學(xué)習(xí)領(lǐng)域得到了廣泛應(yīng)用。本文將從PyTorch的基本概念、網(wǎng)絡(luò)模型構(gòu)建、優(yōu)化方法、實(shí)際應(yīng)用等多個(gè)方面,深入探討使用PyTorch
    的頭像 發(fā)表于 07-02 14:08 ?787次閱讀

    TensorFlowPyTorch深度學(xué)習(xí)框架的比較與選擇

    學(xué)習(xí)框架,它們各自擁有獨(dú)特的特點(diǎn)和優(yōu)勢。本文將從背景介紹、核心特性、操作步驟、性能對比以及選擇指南等方面對TensorFlowPyTorch進(jìn)行詳細(xì)比較,以幫助讀者了解這兩個(gè)框架的優(yōu)缺點(diǎn),并
    的頭像 發(fā)表于 07-02 14:04 ?1543次閱讀
    主站蜘蛛池模板: 毛片高清一区二区三区 | 天天爽夜夜春 | 天天操天天添 | 黄网站色视频免费观看 | 国产三级a三级三级野外 | 国产精品 视频一区 二区三区 | 精品噜噜噜噜久久久久久久久 | 污女网站 | 激情五月婷婷小说 | 日本污视频在线观看 | 奇米久草| 天天干天天拍天天操 | 天天射天天怕 | 99午夜高清在线视频在观看 | 校园激情综合网 | 人人干免费 | 成熟女性毛茸茸xx免费视频 | 午夜看一级特黄a大片 | 亚欧毛片基地国产毛片基地 | 狂捣猛撞侍卫攻双性王爷受 | 天堂网在线.www天堂在线资源 | 国产深夜福利在线观看网站 | 4虎影院在线观看 | 午夜免费啪 | 亚洲一区中文字幕在线观看 | 欧美18同性gay视频 | 在线永久免费观看黄网站 | 天天做天天爱天天射 | 人人爱操| 最新天堂网 | 午夜日本一区二区三区 | 91噜噜噜| 99精品国产第一福利网站 | aaaaa级毛片免费视频 | 狠狠色噜噜综合社区 | 日韩特级毛片免费观看视频 | 激情春色网 | 五月天婷婷影院 | 深爱开心激情网 | 浓厚な接吻と肉体の交在线观看 | 日日摸人人拍人人澡 |