机器学习开发框架

wuchangjian2021-11-12 09:44:37编程学习

目录

1.什么使机器学习开发框架

2.机器学习框架和深度学习框架的关系 

3.常见深度学习框架


1.什么使机器学习开发框架

        机器学习开发框架本质上是一种编程库或工具,目的是能够让开发人员更容易、更快速地构建机器学习模型。

机器学习开发框架封装了大量的可重用代码,可以直接调用,目的是避免“重复造轮子”,大幅降低开发人员的开发难度,提高开发效率。

机器学习开发框架是涵盖用于分类,回归,聚类,异常检测和数据准备的各种学习方法,并且其可以或可以不包括神经网络方法。

2.机器学习框架和深度学习框架的关系 

机器学习框架和深度学习框架既有联系也有区别

        广义上,机器学习框架包含了深度学习框架。

        本质上,机器学习框架涵盖用于分类,回归,聚类,异常检测和数据准备的各种学习方法。

        1)机器学习框架有:Scikit-learn, Spark Mllib 等;

        2 ) Scikit-learn是一种非常常用的机器学习框架;

        深度学习框架涵盖许多具有多隐藏层的各类神经网络拓扑。这些层包括模式识别的诸多复杂            过程。一般来说,网络中的层数越多,可以提取到用于聚类和分类的特征就越复杂。

        1)常见深度学习框架有:Caffe,CNTK,PyTorch, Keras ,MXNet、TensorFlow等;

        2)深度学习框架专注于神经网络架构,适用范围最广的框架是TensorFlow和 PyTorch。

3.常见深度学习框架

TensorFlow:TensorFlow 是目前最流行的深度学习框架

TensorFlow是Google的开源深度学习系统,使用数据流图的形式进行计算和开发。

 TensorFlow的优点:
        1)使用人数最多、社区最为庞大;

        2)工作流程相对容易,API稳定,兼容性好;

        3)能在各种类型的机器上运行,灵活性高;

        4)谷歌持续提供支持,快速迭代和完善。

 PyTorch:PyTorch是相当简洁且高效快速的框架

PyTorch是由Facebook人工智能研究院推出并且开源的一个深度学习框架。

PyTorch 优点:
        1 ) PyTorch 不仅能够实现强大的GPU加速,同时还支持动态神经网络;
        2 ) PyTorch是相当简洁且高效快速的框架;3)设计追求最少的封装;
        4)设计符合人类思维,它让用户尽可能地专注于实现自己的想法;

 

 

 

 

相关文章

spark streaming数据背压(积压)

 当流数据非正常突然增多,可设置最大的接收速率, 如果流处理程序没有足够大的集群资源尽快...

Linux之crontab与at

Linux之crontab与at

温故:          物理卷(PV)&#...

发表评论    

◎欢迎参与讨论,请在这里发表您的看法、交流您的观点。