Skip to main content

软件框架

动态图与静态图的区别​

静态图：

  1. 需要先构建好计算图，然后再往计算图传入数据
  2. 计算图构建好后不需要源代码也可以运行，编译好模型后可以存储到本地
  3. 静态图可以把卷积层和激活层合并，增加运算速度

动态图：

  1. 每一次迭代都要重新更新一个新的计算图

  2. 每一次运行都需要依赖源代码

  3. 动态图对于每一次更新结果都不一样的网络来说非常好用，方便记录所有生成的信息。（循环神经网络、递归神经网络、模块化网络）。也就是说，针对不同的问题使用的计算图也不一样

    循环神经网络：每一层只接受来自上一层的输出

    递归神经网络：每一层可以接受上一层的输出，也可以接受本层的输出

ONNX​

ONNX 是一种通用的模型规范，可以实现模型在不同框架之间的切换使用。

框架使用注意事项​

  1. TF 适合拿来做研究和生产（谷歌生态 + 硬件支持），但是它的代码更新太快，文档跟不上，同时也会遇到许多坑，不建议新手刚开始就学
  2. PyTorch 适合研究，复现论文
  3. 对于初学者而言，先学 python / keras，不要轻易碰 TF