深度学习框架的比较（1）

    2015年Google开发的Tensorflow成功，Tensorflow很快成为搭建深度学习神经网络的重要工具。接踵而至的深度学习的框架如雨后春笋涌现出来。诸如：Keras、Pytorch、Caffe、MXnet等等。

    在众多的深度学习框架Tensorflow无论在性能方面，还是社区活跃度方面都是遥遥领先其他深度学习框架的，所以大家学习深度学习框架首选Tensorflow。

    Tensorflow中，Tensor是“张量”的意思，这里可以理解为多维数组，flow是“流动”的意思，这里可以理解为计算。Tensorflow数据流图一般包括张量(Tensor)、算子（Operation）、会话（Session）、变量（Variable）、占位符（Place Holder)和图（Graph)等。

    在深度学习中，由于网络层次比较深，数据量非常大，对计算要求性能也非常高，就需要使用到GPU资源，甚至多卡。

     Tensorflow是纯符号编程，通常在计算流程完全定义好后才被执行，因此效率更高，但是缺点是实现复杂。Tensorflow遵循“数据即是代码，代码即是数据”的理念，可以在运行之前静态的定义图，然后调用session来执行图。Tensorflow最引人的地方就是tensorboard，可以清晰的看出计算图、网络架构。

学习入门tensorflow请参考:https://tensorflow.google.cn/

中文网 ：http://www.tensorfly.cn/

请扫描二维码

关注我们吧