Wählen Sie zwischen TensorFlow oder Theano als Backend für Keras

Question

Keras Unterstützt beide Tensorflow und Theano Als Backend: Was sind die Voraussagen der Auswahl eines gegenüber dem anderen, abgesehen von der Tatsache, dass derzeit nicht alle Operationen mit dem TensorFlow -Backend implementiert werden?

Answer 1

Es wurde am 2017-09-28 angekündigt, dass Theano eingestellt wird:

Aus https://groups.google.com/forum/#!topic/theano-users/7poq8bzutby (Yoshua Bengio):

Nach fast zehn Jahren der Entwicklung haben wir das Bedauern, bekannt zu geben, dass wir unsere Theano -Entwicklung nach der Veröffentlichung von 1.0, die in den nächsten Wochen fällig ist, ein Ende setzen werden. Wir werden die minimale Wartung fortsetzen, um es ein Jahr lang zu halten, aber wir werden die aktiven Umsetzung neuer Funktionen einstellen. Theano wird nach unserem Engagement für Open -Source -Software weiterhin danach verfügbar sein, aber Mila verpflichtet sich nicht, nach diesem Zeitraum Zeit für Wartung oder Unterstützung zu verbringen.

Tensorflow ist also eine bessere Option.

Answer 2

Wenn ich die Option gegeben habe, Ich würde mit Theano gehen.

Gründe dafür:

• Hochmoderne RNN -Implementierungen und APIs, welcher Tensorflow leider nicht besitzt, und hat noch einen langen Weg vor sich. Und in einer Domäne, in der RNN der Trendwut sind, hat Theano dort einen großen Vorteil.
• Sehr breite Palette von Implementierungen. TensorFlow hat einen langen Weg zu erzählen. Viele neuere ML -Modelle wurden mit Hilfe von Theano durchgeführt, daher ist es so etwas wie ein Standard, wenn es um neuronale Netze geht.
• Optimiert und Verbesserte Schleife: Der Scan von Theano ist eine wunderbare Möglichkeit, in neuronalen Netzwerken zu schleifen, wodurch das fantastische Map-Reduce-Framework verwendet wird. Aber ich bin mir ziemlich sicher, dass TensorFlow dies verbessern würde, da sein Schöpfer Jeff Dean der Daddy of Map Reducing ist. Ab sofort; Es ist Theano
• Riesiger Vorteil, wenn es um Videoanalysen geht.

TensorFlow unterstützt jedoch sowohl die CPP- als auch die Python -Schnittstellen, die für die CPP -Community von Vorteil sein könnten. Aber wenn es um ML- und Data Science -Produkte geht, war Python der Standard, also wäre es kein großer Rand -IMO.

Die Modellbereitstellung und die Benutzerfreundlichkeit in der Produktion haben jedoch den TensorFlow den wirklichen Vorteil. Da es Eigen für eine verbesserte und einfache Bereitstellung verwendet, wäre es ein Liebling für Ingenieure. Wenn es mit Windows kompatibel ist, werden Sie eine große Migration sehen. Aber ich habe mich an den Python -Overhead gewöhnt, ich kann warten, bis er mehr poliert wird.

Also vorerst Theano. Ich kann gerne darauf warten, dass TensorFlow aufholt.

Wenn Sie einfache zu durchschnittliche Komplexität neuronaler Netzwerke einsetzen, gehen Sie mit TensorFlow ein. Wenn tiefes Lernen, dann Theano.