目录

目录

1.什么是机器学习开发框架

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

---

1.什么是机器学习开发框架

        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;