2016年人工智能产业梳理：一朝引爆，稳步前进

2017-01-07 09:40

Tensor Flow

TensorFlow是Google于2015年末开源的深度学习框架，目前已被Google用于支持语音识别、搜索等多款商业化应用。TensorFlow一大特色就是其灵活的架构可以部署在一个或多个CPU、GPU的台式以及服务器中，或者使用单一的API应用在移动设备中。并且，在上手上，TensorFlow也很容易使用，有python和C＋＋两种接口，其他语言可以使用相关工具使用接口，比如SWIG。

不过，在使用TensorFlow的时候有一个缺陷，那就是使用者需要编写大量的代码，必须一遍又一遍地重新发明轮子。

Torch

Torch是一个诞生已有10年之久、拥有大量机器学习算法支持的科学计算框架，在因Facebook人工智能研究所用而出名之前，Torch一直是深藏功与名，其使用者中甚至包括被Google收购之前的DeepMind。

在使用中，Torch框架拥有构建模型简单、高度模块化、快速高效的GPU支持、可嵌入到iOS、Android和FPGA后端的接口等优势。论其劣势就主要在于语言，如果想使用该框架，使用者需要先学会Lua语言，而不是市面上运用较普遍的Python、Matlab 或C＋＋等。

Caffe

Caffe由加州大学伯克利的PHD贾扬清开发，全称Convolutional Architecture for Fast Feature Embedding，是一个清晰而高效的开源深度学习框架。

在算法框架中，Caffe应该算是一个贵族了。最初，Caffe并不是一个通用框架，而仅仅关注计算机视觉，Google最著名的DeepDream项目（识别猫）就是以此为基础进行的。

Caffe框架有几大优势，比如模型与相应优化都是以文本形式而非代码形式给出，上手较快；能够很快运行最棒的模型与海量的数据；方便扩展到新的任务和设置上；可以通过BSD－2参与开发与讨论等等。当然，Caffe框架也有着自己的短处，像不够灵活、文档极度贫乏、安装过程易使人抓狂之类。

DSSTNE

DSSTNE是Amazon用来开发深度学习模型的一套框架，全称为Deep Scalable Sparse Tensor Network Engine。

在一开始的设计初衷上，DSSTNE就明确了自己的目标，并将“推荐系统”做到了极致。DSSTNE采用 GPU 运行，因而在得到好结果的同时，其也能够保持快速的运行速度，不过在另一方面，这个因素也导致使用者不能随意在CPU和GPU中切换。虽然对编程能力没有要求，但是因为在线教程、开发者进行操作尝试的指导太少等多种因素，DSSTNE框架目前还并不是很成熟，或许几个月之后的新版本能够带给使用者更多的惊喜。

<上一页 1 2 3 4 5 下一页> 余下全文