l*******n
发帖数: 35 | |
x***4
发帖数: 1815 | 2 刚刚看到了。 c的核心，python的糖衣。典型g的风格。那个whitepaper还没有仔细看。
open source版只能在单机用。
谁弄个jvm的clone吧。
【在 l*******n 的大作中提到】
: 如题
|
N*****m
发帖数: 42603 | 3 蟒蛇社区的又一剂强心剂
看。
【在 x***4 的大作中提到】
: 刚刚看到了。 c的核心，python的糖衣。典型g的风格。那个whitepaper还没有仔细看。
: open source版只能在单机用。
: 谁弄个jvm的clone吧。
|
w***g
发帖数: 5958 | 4 东西是牛的，因为卖的是data flow平台，所以API应该比
caffe和mxnet都更干净漂亮。但是deep learning本身
的data flow本身就非常straightfoward，并且基本上是
标准化的，所以tensorflow从学术上讲并不是一个非常
牛B的东西。至于会不会流行，要看他们接下来是否会
放出直接可以用的模型。设计上来说mxnet已经超过caffe
了，caffe的作者也在写caffe2。但是大家都还在用
caffe，因为model zoo太牛B了。G这时候才放出
tensorflow，已经没有先机了。从数据量来说，
目前已经到了单机可以训练整个imagenet的地步了，
GPU的计算能力和内存容量还在不断涨，cluster并没有
太大的前景。
Deep learning从应用上来说已经没啥门槛了。
【在 l*******n 的大作中提到】
: 如题
|
N*****m
发帖数: 42603 | 5 caffe的作者现在在狗上班
【在 w***g 的大作中提到】
: 东西是牛的，因为卖的是data flow平台，所以API应该比
: caffe和mxnet都更干净漂亮。但是deep learning本身
: 的data flow本身就非常straightfoward，并且基本上是
: 标准化的，所以tensorflow从学术上讲并不是一个非常
: 牛B的东西。至于会不会流行，要看他们接下来是否会
: 放出直接可以用的模型。设计上来说mxnet已经超过caffe
: 了，caffe的作者也在写caffe2。但是大家都还在用
: caffe，因为model zoo太牛B了。G这时候才放出
: tensorflow，已经没有先机了。从数据量来说，
: 目前已经到了单机可以训练整个imagenet的地步了，
|
w***g
发帖数: 5958 | 6 G这种人很多，但我很怀疑这些人在G是不是还能接着创新。
就说Jia的caffe2，我估计也没多大前景。
开源软件是一个众人捡柴火焰高的事情，作者说要推倒重来，
大家未必能认。caffe是6796个星，mxnet是842个星，caffe2是279个星。
从这个就能看出来。
至少从开源软件上来说，G放出来的都是些不痛不痒的东西，
没有啥真让人耳目一新的。少数几个比较好的，也都是收购的小公司。
真正牛B的, 就看GFS, bigtable, mapreduce这些，
paper都是从G出来的，但现在有G啥事吗？
我在中部村子里坐井观天，欢迎G家的出来反驳。
要说机群环境下大规模数据处理平台，真有创新性的
我觉得要属Grappa。将来至少能干掉GraphLab。
【在 N*****m 的大作中提到】
: caffe的作者现在在狗上班
|
l*********s
发帖数: 5409 | 7 只能单机版用？我就说狗狗这么这么大方呢
看。
【在 x***4 的大作中提到】
: 刚刚看到了。 c的核心，python的糖衣。典型g的风格。那个whitepaper还没有仔细看。
: open source版只能在单机用。
: 谁弄个jvm的clone吧。
|
l*******m
发帖数: 1096 | 8 坐等benchmark
【在 w***g 的大作中提到】
: G这种人很多，但我很怀疑这些人在G是不是还能接着创新。
: 就说Jia的caffe2，我估计也没多大前景。
: 开源软件是一个众人捡柴火焰高的事情，作者说要推倒重来，
: 大家未必能认。caffe是6796个星，mxnet是842个星，caffe2是279个星。
: 从这个就能看出来。
: 至少从开源软件上来说，G放出来的都是些不痛不痒的东西，
: 没有啥真让人耳目一新的。少数几个比较好的，也都是收购的小公司。
: 真正牛B的, 就看GFS, bigtable, mapreduce这些，
: paper都是从G出来的，但现在有G啥事吗？
: 我在中部村子里坐井观天，欢迎G家的出来反驳。
|
w***g
发帖数: 5958 | 9 都是扔到GPU上跑，速度上不会有太大的差别。
唯一有比较大区别的就是内存管理是否有效。
因为目前的数据都很大，GPU内存都是掐着手指头算要用足的，
有时候差一两个GB，可能就得上一个贵得多的显卡。
【在 l*******m 的大作中提到】
: 坐等benchmark
|
N*****m
发帖数: 42603 | 10 对，狗的问题就是喜欢藏着掖着，最后黄花菜都凉了
【在 w***g 的大作中提到】
: G这种人很多，但我很怀疑这些人在G是不是还能接着创新。
: 就说Jia的caffe2，我估计也没多大前景。
: 开源软件是一个众人捡柴火焰高的事情，作者说要推倒重来，
: 大家未必能认。caffe是6796个星，mxnet是842个星，caffe2是279个星。
: 从这个就能看出来。
: 至少从开源软件上来说，G放出来的都是些不痛不痒的东西，
: 没有啥真让人耳目一新的。少数几个比较好的，也都是收购的小公司。
: 真正牛B的, 就看GFS, bigtable, mapreduce这些，
: paper都是从G出来的，但现在有G啥事吗？
: 我在中部村子里坐井观天，欢迎G家的出来反驳。
|
l*******m
发帖数: 1096 | 11 是个理。主要CPU GPU数据交换，如果是同步太慢，异步费GPU内存
【在 w***g 的大作中提到】
: 都是扔到GPU上跑，速度上不会有太大的差别。
: 唯一有比较大区别的就是内存管理是否有效。
: 因为目前的数据都很大，GPU内存都是掐着手指头算要用足的，
: 有时候差一两个GB，可能就得上一个贵得多的显卡。
|
l*******m
发帖数: 1096 | |
w***g
发帖数: 5958 | 13 果不其然，哈哈。
总结：G的性能很差，不但慢，而且还out of memory。
如果开源的真是G自己的infrastructure，倒也在情理中。G的优势不是单击算得超快，
而是可以scale out到机群上跑。
【在 l*******m 的大作中提到】
: benchmark from a Facebook guy is here
: https://github.com/soumith/convnet-benchmarks/issues/66
|
l*******m
发帖数: 1096 | 14 yangqing 急了，出了个fix, performance 向上20%
【在 w***g 的大作中提到】
: 果不其然，哈哈。
: 总结：G的性能很差，不但慢，而且还out of memory。
: 如果开源的真是G自己的infrastructure，倒也在情理中。G的优势不是单击算得超快，
: 而是可以scale out到机群上跑。
|
