Scelta tra tensorflow o Theano come backend per Keras

Question

Keras supporta sia tensorflow e Theano come backend: quali sono i pro / contro della scelta di uno contro l'altro, oltre al fatto che al momento non tutte le operazioni sono implementate con il backend tensorflow?

Answer 1

È stato annunciato il 2017/09/28 che Theano sarà interrotto:

https://groups.google.com/forum/# ! tema / Theano utenti / 7Poq8BZutbY (Yoshua BENGIO):

Dopo anni quasi dieci di sviluppo, abbiamo il rammarico di annunciare che porrà fine al nostro sviluppo Theano dopo la release 1.0, che è dovuto nelle prossime settimane. Continueremo manutenzione minima per tenerlo a lavorare per un anno, ma ci fermeremo implementare attivamente nuove funzionalità. Teanò continuerà ad essere disponibili in seguito, come per il nostro impegno verso software open source, ma MILA non commette trascorrere del tempo per la manutenzione o assistenza dopo tale intervallo di tempo.

Quindi tensorflow è una scelta migliore.

Answer 2

Se mi hanno dato la possibilità, Vorrei andare con Theano .

I motivi:

• stato dell'arte RNN implementazioni e API rel, che tensorflow purtroppo non possiede, e ha una lunga strada da percorrere . E in un dominio in cui RNN di sono la rabbia trend, Theano ha un grande vantaggio c'è.
• Molto vasta gamma di implementazioni . Tensorflow ha una lunga strada da recuperare. Un sacco di recenti modelli ML sono stati fatti con l'aiuto di Teano, quindi è qualcosa di simile a uno standard quando si tratta di reti neurali.
• looping : Theano di scansione è un modo meraviglioso per loop in reti neurali, che si avvale del quadro carta-ridurre impressionante. Ma, sono abbastanza sicuro tensorflow migliorerebbe su questo come il suo creatore Jeff Dean è il papà di Map Reduce. Tuttavia, sin d'ora; è Theano
• vantaggio enorme quando si tratta di analisi video.

Tuttavia, tensorflow supporta sia il cpp e interfacce Python che potrebbe essere un vantaggio con la comunità cpp. Ma, quando si tratta di ML e la scienza dei dati prodotti, Python è stato il campione, quindi non sarebbe un vantaggio enorme IMO.

Ma, l'implementazione del modello e la facilità d'uso nella produzione è dove tensorflow ha il vantaggio reale. In quanto utilizza Eigen per una migliore e facile implementazione, che sarebbe stato un tesoro per gli ingegneri. Se diventa compatibile con Windows, poi vedrete una migrazione enorme. Ma, ho abituato al Python testa, posso aspettare che diventa più lucido.

Quindi, Theano per ora. Posso tranquillamente aspettare per tensorflow per recuperare.

Se si sta distribuendo semplice alle reti in media complessità neurali, andare con tensorflow. Se l'apprendimento profondo, poi Theano.