iT邦幫忙

鐵人檔案

第 11 屆 iThome 鐵人賽
回列表
AI & Data

深度學習裡的冰與火之歌 : Tensorflow vs PyTorch 系列

主要介紹深度學習的兩大框架,Google Tensorflow 和 Facebook PyTorch。在這個系列,第一個禮拜會先介紹這兩個框架的基本性不同,以及兩個框架如何在截然不同的設計中找到自己的族群,並在這個深度學習框架戰場上相互學習。隨後兩個裡拜,我們就會潛入兩個框架的 C++ API, 學習如何使用兩個框架提供的 C++ API。最後,則是把重心放在 ONNX,討論使用 ONNX 提供的 speciation 使訓練模型可以在兩個框架間互通。

鐵人鍊成 | 共 31 篇文章 | 87 人訂閱 訂閱系列文 RSS系列文
DAY 21

Day 21: Tensorflow 2.0: 再造訪 Model Persistence

致讀者:這是鐵人賽搶先版,還會有更多的陸續更新 在 Tensorflow 儲存深度學習模型有兩種模式,一是儲存模型所用的變數權重(tf.Variable),被稱...

2019-10-06 ‧ 由 renewang 分享
DAY 22

Day 22: Tensorflow 2.0: 再造訪 `tf.estimator` 和 `tf.data`

致讀者:目前你所看到的是鐵人賽搶先版。 陸續還有更新。 tf.estimator tf.estimator 也是一個 High-level API,作用與 tf...

2019-10-07 ‧ 由 renewang 分享
DAY 23

Day 23: Tensorflow 2.0: 再造訪 Distribute Strategy API

Distribute Strategy API 提供使用者不同的策略去 deploy 計算圖到不同的 CPUs,GPUs 或 TPUs 上。這個 API 整合了...

2019-10-08 ‧ 由 renewang 分享
DAY 24

Day 24 插播 PyTorch 的 Distributed Training

如 Tensorflow 一般,PyTorch 也擁有自己的 distribute strategy 來做模型平行化和資料平行化的運算。今天我們就來看一下 Py...

2019-10-09 ‧ 由 renewang 分享
DAY 25

Day 25: Tensorflow C++ front-end API

首先我們先來看幾個簡單使用 C++ front-end API 的例子。 #include "tensorflow/cc/client/client_...

2019-10-10 ‧ 由 renewang 分享
DAY 26

Day 26: Tensorflow 客製化一個 C++ 運算元

為何需要客製化一個 C++ 運算元?理由通常有下面三點 現有的運算元透過繼承或擁有,都無法達到你的目標 現有的運算元透過繼承或擁有可以完成你的目標,但效率不佳...

2019-10-11 ‧ 由 renewang 分享
DAY 27

Day 27: 再造訪 ONNX 和它的 Python API

今天我們要進入新的主題,那就是 Open Neural Network Exchange 格式,簡稱 ONNX。這個主題在筆者前一年的鐵人賽中就曾簡單介紹。在該...

2019-10-12 ‧ 由 renewang 分享
DAY 28

Day 28: 再造訪 ONNX Graph

作為一個開源的類神經網路模型交換格式,能夠以定義一組通用的運算元集合,並運用該集合建照計算圖是很重要的。今天的文章就先來看看要怎麼用 ONNX 提供的 Pyth...

2019-10-13 ‧ 由 renewang 分享
DAY 29

Day 29: 再造訪 ONNX 和它的兄弟 ONNX-ML

在ONNX 的 python API 文章中提到了針對演算法的不同,ONNX 提供了兩個不同的運算元集:定義類神經網路相關的運算元被稱為 ONNX,而與機械學習...

2019-10-14 ‧ 由 renewang 分享
DAY 30

Day 30: 再造訪 ONNX Runtime

ONNX Runtime 的任務 ONNX Runtime 提供一個與機械學習和深度學習實現架構獨立,能夠以高效能的方式在異質計算平台執行模型的方法。建立一個...

2019-10-15 ‧ 由 renewang 分享