开源深度学习框架的详细比较研究
机器学习
2020-05-07 v2 计算机视觉与模式识别
摘要
深度学习（DL）是机器学习中最热门的趋势之一，因为 DL 方法在图像处理与自然语言处理（NLP）等难题领域产生了优于当前最优（SOTA）的结果。为促进 DL 发展，出现了若干开源框架，提供了最常见 DL 算法的实现。这些框架在所支持算法及其实现质量上有所差异。本工作的目的是对三个最流行且最全面的 DL 框架（即谷歌的 TensorFlow、蒙特利尔大学的 Theano 与微软的 CNTK）进行定性与定量比较。本工作的最终目标是帮助终端用户就最适合其需求与资源的最佳 DL 框架做出明智决策。为确保研究尽可能全面，我们使用来自不同领域（图像处理、NLP 等）的多个基准数据集进行了若干实验，并测量了各框架对不同 DL 算法实现的性能。在多数实验中，我们发现 CNTK 的实现优于所考虑的其他实现。
引用
@article{arxiv.1903.00102,
title = {A detailed comparative study of open source deep learning frameworks},
author = {Ghadeer Al-Bdour and Raffi Al-Qurran and Mahmoud Al-Ayyoub and Ali Shatnawi},
journal= {arXiv preprint arXiv:1903.00102},
year = {2020}
}
备注
26 pages, 25 figures, 4 tables