按年被提到
20152016 · 2 次2026
机器学习与深度学习›训练加速与低精度计算·arXiv:1511.06435 · cs.LG

Comparative Study of Deep Learning Software Frameworks

深度学习软件框架的比较研究
Soheil Bahrampour, Naveen Ramakrishnan, Lukas Schott, Mohak Shah · 2015

单机上比较五个主流深度学习框架的速度与可扩展性

开始阅读 ↗PDFalphaXiv 讨论
被提及 · 3 人首次 2015-12-12 · 最近 2016-05-07
3不同的人
3活跃月份
3讨论串
89被引(OpenAlex)

在单机(多线程 CPU 与 Titan X GPU)上,从可扩展性、硬件利用率和速度三方面比较 Caffe、Neon、TensorFlow、Theano、Torch 五个深度学习框架,速度指标包括梯度计算时间和前向时间。结论是 Theano 和 Torch 最易扩展,Torch 在 CPU 上整体最佳,Theano 在 LSTM 的 GPU 训练与部署上最好,而当时 TensorFlow 的性能不具竞争力。

HN 为什么提它

有人在谈 TensorFlow 的性能时引用它,作为“TensorFlow 比多数框架慢”的基准依据。

实证研究难度 2 / 5约 40 分钟有时效性
读之前最好知道
1深度学习基础
2卷积神经网络(CNN)
3LSTM
4GPU 计算基础

HN 书评

推荐在前,同类按时间 · 每篇最多保留 20 条,统计用全部提及
引用therobot24 · 2016-04

“Since TensorFlow was dubbed as slower than most it'll be nice to see how this affects perceived performance”

引用它说明 TensorFlow 被认为比多数框架慢
Announcing TensorFlow 0.8 – now with distributed computing support原评论 ↗
被提交为 story · 2 次