测试四：MNIST&RNN

• 进修模型的类型：层级轮回神经收集(HRNN)
• 数据集/义务：MNIST 手写数字数据集
• 目标：将图片分类为 10 类手写数字

在练习时光上，CNTK 和 MXNet 有类似的机能(162 – 164 s/epoch)，TensorFlow 的时光为 179s/epoch，而 Theano 所需的时光则明显地增多。

测试五：BABI & RNN

• 进修模型的类型：轮回神经收集(RNN)
• 数据集/义务：bAbi Project (https://research.fb.com/downloads/babi/)
• 目标：分别根据故事(story)和问题练习两个轮回神经收集，致使归并的向量可以答复一系列 bAbi 义务。

该测试并没有应用 MXNet，TensorFlow 和 Theano 在每一个 epoch 上要比 CNTK 要快了一倍多。

尽管我们可以应用任何 Keras 所支撑的后端安排模型，但开辟者和筹划架构师应当懂得 Keras 作为各深度进修库的高等 API，其本质上是不支撑各个库所供给的全部根本参数微调。是以如不雅我们想要精细调剂后端框架所供给的所有参数，那么我们最好直接应用深度进修框架而不是应用 Keras。当然这个情况会跟着各类对象添加到 Keras 和深度进修框架中而获得改良，但如今 Keras 仍是一个十分优良的对象，它能极好地适应于深度进修开辟的早期阶段，并且为数据科学家和算法工程师快速构建与测试复杂的深度进修模型供给了强大年夜的对象。

结语

大年夜膳绫擎的结不雅可以看出来，所有的深度进修框架都有其善于的范畴，并没有哪个框架必定要比其他框架好。CNTK 可作为 Keras 后端并用于 RNN 的应用案例，TensorFlow 可用于 CNN，而 MXNet 固然显示了机能上异常大年夜的潜力，但仍然照样让人等待其支撑所有 Keras 函数的时刻。在开源社区中，这些框架都在赓续扩大与加强，大年夜而供给更好的机能并轻松地安排到产品中。在推敲应用这些深度进修框架投入临盆时，机能是重要的。在大年夜多半情况下，我们还须要推敲安排的难易度和其他帮助对象，它们都将赞助我们治理产品化的机械进修模型。最后，所有的框架机能都是在作为 Keras 后端时测评的，所以会有一点误差，不过本文至少可以赞助大年夜家对这些框架的机能有必定懂得。此外本文在大年夜家采取不合后端时可以给出一点相对客不雅的建议。

【编辑推荐】

1. 应用TENSORFLOW练习轮回神经收集说话模型
2. 若何应用TensorFlow构建、练习和改进轮回神经收集
3. 深度进修的┞封些坑你都碰到过吗？神经收集11大年夜常见陷阱及应对办法
4. 卷积神经收集若何进行图像辨认
5. 30行JavaScript代码，教你分分钟创建神经收集

【义务编辑：未丽燕 TEL：（010）68476606】

　　推荐阅读

　　云计算深度学习平台架构与实践的必经之路

【沙龙】51CTO诚邀您9月23号和多位技巧大年夜咖一路聊智能CDN的优化之路，抓紧时光哦！ 定义云深度进修平台什么是云深度进修?跟着机械进修的成长，单机运行的机械进修义务存在缺乏资本隔离>>>详细阅读

本文标题：从三大神经网络，测试对比TensorFlow、MXNet、CNTK、Theano四个框架

地址：http://www.17bianji.com/lsqh/37501.html

 1/2    1