第2章 深度學習框架及其對比

深度學習采用的是一種“端到端”的學習模式，在很大程度上減輕了研究人員的負擔。但隨著神經網絡的發展，模型的復雜度也在不斷提升。即使是在一個最簡單的卷積神經網絡中也會包含卷積層、池化層、激活層、Flatten層、全連接層等。如果每搭建一個新的網絡之前都需要重新實現這些層，勢必會占用許多時間，因此各大深度學習框架應運而生了。框架存在的意義就是屏蔽底層的細節，使研究者可以專注于模型結構。目前較為流行的深度學習框架有Caffe、TensorFlow以及Pytorch等。本章將依次進行介紹。