n*w 发帖数: 3393 | |
w***g 发帖数: 5958 | 2 theano和tensorflow都行。theano上手快点。
不过这两个都是deep learning。更一般的ML应该从
scikit-learn入手。
spark是做大数据的,不是典型ML,今年已经过气了。
微软的那个软件我没用过,在deep learning界没有
气候。倒是Torch7有一批用趸。
【在 n*w 的大作中提到】 : 准备玩玩ml这几个该选哪个?
|
w**z 发帖数: 8232 | 3 spark 过气了?哪个是替代品?
【在 w***g 的大作中提到】 : theano和tensorflow都行。theano上手快点。 : 不过这两个都是deep learning。更一般的ML应该从 : scikit-learn入手。 : spark是做大数据的,不是典型ML,今年已经过气了。 : 微软的那个软件我没用过,在deep learning界没有 : 气候。倒是Torch7有一批用趸。
|
C*****5 发帖数: 8812 | 4 wdong大牛,新的pytorch可曾试过?
【在 w***g 的大作中提到】 : theano和tensorflow都行。theano上手快点。 : 不过这两个都是deep learning。更一般的ML应该从 : scikit-learn入手。 : spark是做大数据的,不是典型ML,今年已经过气了。 : 微软的那个软件我没用过,在deep learning界没有 : 气候。倒是Torch7有一批用趸。
|
w***g 发帖数: 5958 | 5 big data整个过气了。
【在 w**z 的大作中提到】 : spark 过气了?哪个是替代品?
|
w***g 发帖数: 5958 | 6 没试过。我用tensorflow。torch本身就是第二阵营, pytorch还能超过torch了?
想少走弯路,上tensorflow肯定没错。用的人多,坑就少。
【在 C*****5 的大作中提到】 : wdong大牛,新的pytorch可曾试过?
|
x***4 发帖数: 1815 | 7 正解!现在这些项目都是开源的,很少说一样东西只有用某一个项目才能做。相反大家
都是上班混饭吃的,不要浪费时间给别人做tester。一个项目用的人多,bug自然容易
被发现,你有问题也容易在stackoverflow之类的地方找到答案。
上tensor flow就对了。或着更进一步,上keras (tensor flow自己支持的high level
api)。
【在 w***g 的大作中提到】 : 没试过。我用tensorflow。torch本身就是第二阵营, pytorch还能超过torch了? : 想少走弯路,上tensorflow肯定没错。用的人多,坑就少。
|
x***4 发帖数: 1815 | 8 big data变成了plumbing。大家都需要,都要知道,但是没有太多新的玩法,DevOps装
好hadoop hdfs,spark之后就大家就不想再花时间了。
【在 w***g 的大作中提到】 : big data整个过气了。
|
w**z 发帖数: 8232 | 9 我觉得大多数公司才开始从 big data 中受益, 还有很多可以搞,当然大多数只是应
用层面的。deep learning 和big data 还是不太一样吧。
【在 x***4 的大作中提到】 : big data变成了plumbing。大家都需要,都要知道,但是没有太多新的玩法,DevOps装 : 好hadoop hdfs,spark之后就大家就不想再花时间了。
|
x***4 发帖数: 1815 | 10 也同意。it最前的应该做dl的比较多,而其他也在确实尝试从big data里挖东西,因为
data已经在哪了,不用白不用。但是这种类型的挖东西涉及business logic比较多,
senior mgr往往有自己的想法,从it码农的角度看可能不是太有趣。
【在 w**z 的大作中提到】 : 我觉得大多数公司才开始从 big data 中受益, 还有很多可以搞,当然大多数只是应 : 用层面的。deep learning 和big data 还是不太一样吧。
|
|
|
s**********l 发帖数: 8966 | 11 caffe+tensorflow
学术界caffe用的人还是挺多的,比较好的结果,都是在caffe里加layer搞成的,他的
源代码也好读。
tensorflow进步非常快,上一波google没开源,后来hadoop火起来狗家也没吃到啥,所
以这次吸取教训大力推tensorflow 1.0,资源很丰富,周围玩的人也多,值得搞一下。
另外玩deep learning的话务必上ubuntu,mac/centos/windows都有诸般不爽。
【在 n*w 的大作中提到】 : 准备玩玩ml这几个该选哪个?
|
k****f 发帖数: 3794 | 12 玩dl,还是在Google cloud platform上面玩比较爽的,存储和计算都解决,可以很多
gpu一起跑tf程序。
【在 s**********l 的大作中提到】 : caffe+tensorflow : 学术界caffe用的人还是挺多的,比较好的结果,都是在caffe里加layer搞成的,他的 : 源代码也好读。 : tensorflow进步非常快,上一波google没开源,后来hadoop火起来狗家也没吃到啥,所 : 以这次吸取教训大力推tensorflow 1.0,资源很丰富,周围玩的人也多,值得搞一下。 : 另外玩deep learning的话务必上ubuntu,mac/centos/windows都有诸般不爽。
|
s********k 发帖数: 6180 | 13 Amazon家的AWS不是支持mxnet了吗?很多国人大牛领头搞得
【在 k****f 的大作中提到】 : 玩dl,还是在Google cloud platform上面玩比较爽的,存储和计算都解决,可以很多 : gpu一起跑tf程序。
|
k****f 发帖数: 3794 | 14 mxnet是厉害,就是用户群不够大。
【在 s********k 的大作中提到】 : Amazon家的AWS不是支持mxnet了吗?很多国人大牛领头搞得
|
x****u 发帖数: 44466 | 15 AWS支持CUDA应该什么架构都支持,这个钦定指的是官方image里面有吧
【在 s********k 的大作中提到】 : Amazon家的AWS不是支持mxnet了吗?很多国人大牛领头搞得
|
s*****e 发帖数: 115 | 16 大牛,前阵子我才听你说mxnet的C++ API好用.
为什么又转tensorflow了? 主要是"用的人多,坑就少
" 么?
【在 w***g 的大作中提到】 : 没试过。我用tensorflow。torch本身就是第二阵营, pytorch还能超过torch了? : 想少走弯路,上tensorflow肯定没错。用的人多,坑就少。
|
w***g 发帖数: 5958 | 17 这些框架大同小异。之前我在整合所有框架的API,
对比发现mxnet的C++ API最干净。后来我连torch
也整合了,发现lua的API比python的也要干净。
我现在自己开发主要用tensorflow。原因就是用的
人多,开发的人也多,众人拾柴火焰高。我没研究
过TF和mxnet细节上的不同,有人说mxnet的设计更
好。不过我觉得这些框架都大同小异没有本质区别。
从API看,TF要比别人丰富。应该也根人多有关系。
【在 s*****e 的大作中提到】 : 大牛,前阵子我才听你说mxnet的C++ API好用. : 为什么又转tensorflow了? 主要是"用的人多,坑就少 : " 么?
|
k*****u 发帖数: 1688 | 18 copy的mxnet作者的blog:
对于一个优秀的深度学习系统,或者更广来说优秀的科学计算系统,最重要的是编程接
口的设计。他们都采用将一个领域特定语言(domain specific language)嵌入到一个主
语言中。例如numpy将矩阵运算嵌入到python中。这类嵌入一般分为两种,其中一种嵌
入的较浅,其中每个语句都按原来的意思执行,且通常采用命令式编程(imperative
programming),其中numpy和Torch就是属于这种。而另一种则用一种深的嵌入方式,提
供一整套针对具体应用的迷你语言。这一种通常使用声明式语言(declarative
programing),既用户只需要声明要做什么,而具体执行则由系统完成。这类系统包括
Caffe,theano和刚公布的TensorFlow。
目前现有的系统大部分都采用上两种编程模式的一种。与它们不同的是,MXNet尝试将
两种模式无缝的结合起来。在命令式编程上MXNet提供张量运算,而声明式编程中MXNet
支持符号表达式。用户可以自由的混合它们来快速实现自己的想法。例如我们可以用声
明式编程来描述神经网络,并利用系统提供的自动求导来训练模型。另一方便,模型的
迭代训练和更新模型法则中可能涉及大量的控制逻辑,因此我们可以用命令式编程来实
现。同时我们用它来进行方便地调式和与主语言交互数据。
下表我们比较MXNet和其他流行的深度学习系统
主语言 从语言 硬件 分布式 命令式 声明式
Caffe C++ Python/Matlab CPU/GPU x x v
Torch Lua - CPU/GPU/FPGA x v x
Theano Python - CPU/GPU x v x
TensorFlow C++ Python CPU/GPU/Mobile v x v
MXNet1 C++ Python/R/Julia/Go CPU/GPU/Mobile v v v |
w***g 发帖数: 5958 | 19 还有tensorflow是最有可能实现对mobile GPU支持的一个。
【在 w***g 的大作中提到】 : 这些框架大同小异。之前我在整合所有框架的API, : 对比发现mxnet的C++ API最干净。后来我连torch : 也整合了,发现lua的API比python的也要干净。 : 我现在自己开发主要用tensorflow。原因就是用的 : 人多,开发的人也多,众人拾柴火焰高。我没研究 : 过TF和mxnet细节上的不同,有人说mxnet的设计更 : 好。不过我觉得这些框架都大同小异没有本质区别。 : 从API看,TF要比别人丰富。应该也根人多有关系。
|