第2章 深度学习框架及其对比

深度学习采用的是一种“端到端”的学习模式，在很大程度上减轻了研究人员的负担。但随着神经网络的发展，模型的复杂度也在不断提升。即使是在一个最简单的卷积神经网络中也会包含卷积层、池化层、激活层、Flatten层、全连接层等。如果每搭建一个新的网络之前都需要重新实现这些层，势必会占用许多时间，因此各大深度学习框架应运而生了。框架存在的意义就是屏蔽底层的细节，使研究者可以专注于模型结构。目前较为流行的深度学习框架有Caffe、TensorFlow以及Pytorch等。本章将依次进行介绍。