比较TensorFlow和PaddlePaddle之间的深度学习框架

Question

我想研究深度学习的研究，但我不知道在TensorFlow和PaddlePaddle之间应该选择哪种框架。谁可以在两个框架之间形成对比？哪一个更好？特别是在CPU的运行效率

Answer 1

这实际上取决于您要拍摄的内容... 如果您打算进行培训，则CPU不能很好地为您工作。使用colab或kaggle。

假设您确实拥有GPU，这取决于您是否要专注于分类或对象检测。

如果您专注于分类，那么如果您想要一些高级的东西并能够进行更改，那么Keras可能是最容易使用或使用pytorch的工具。

如果您计划进行对象检测，事情将会变得复杂...推理相当容易，但是训练却很复杂。您实际上应该考虑4个平台：

1. Tensorflow-功能强大，但很难使用。如果不使用Keras（对于OD，通常不使用），则需要将数据集预处理为tfrecords，这很麻烦。 OD Api具有非常隐秘的消息，并且对tf版本和api版本的组合非常敏感。另一方面，像efficiencydet这样的酷模型或多或少都易于使用。

2. MMdetection-非常强大的框架，具有许多高级模型，一旦您了解如何使用它，就可以轻松使用它及其支持的模型。缺点是某些模型到货缓慢（例如，efficiencyetet）

3. paddlepaddle-如果您会中文，这应该可以，也许吧。该文档有点落后，通常需要大量的即兴创作。基本上，它与mmdetection类似，只是具有一些独特的模型和一些缺失的模型。

4. detectron2-我没有使用它，但是它似乎仅支持少数几种型号。

您可能首先需要为自己定义要做什么，然后再选择。

祝你好运！

Answer 2

这不是那么简单。有些模型使用一种框架运行得更快，而另一些模型则使用另一种框架。此外，它还取决于硬件。请参阅 this 博客。如果推理是您唯一关心的问题，那么您可以在任何流行的框架（如 TensorFlow、PyTorch 等）中开发您的模型。最后将您的模型转换为 ONNX 格式并使用 DNN-Bench 对其性能进行基准测试为您的应用选择最佳推理引擎。