0
| 本文作者： 汪思穎 | 2018-04-02 14:54 |
雷鋒網(wǎng) AI 研習社按，對于廣大深度學習開發(fā)者來說， 迎來一個重大消息——Caffe2 代碼并入 PyTorch 庫。
在 Caffe2 的 GitHub 上可以看到如下說明，
Source code now lives in the PyTorch repository.
作為 Caffe2 作者，現(xiàn)在任職于 Facebook 的賈揚清在知乎說道，將這兩個框架整合起來可以極大提升開發(fā)效率，為廣大開發(fā)者提供便利，而他們也會有進一步計劃。
「因為 PyTorch 有優(yōu)秀的前端，Caffe2 有優(yōu)秀的后端，整合起來以后可以進一步最大化開發(fā)者的效率。目前 FAIR 大概有超過一半的項目在使用 PyTorch，而產(chǎn)品線全線在使用 Caffe2，所以兩邊都有很強的動力來整合優(yōu)勢。
開發(fā)效率是我在 Facebook 非常重視的一個方向：去年年中的時候啟動了 ONNX 項目（初版的代碼是我親自上手寫的），然后幫助搭建了 ONNX team，來增強不同框架甚至不同公司之間的協(xié)作；Caffe2 和 PyTorch 在代碼層的合并也是從那個時候開始逐漸推動的一項內(nèi)容。
至于進一步的計劃，目前我還不方便透露，等過一個月有空再來更新吧。」
此前，針對深度學習框架碎片化問題（比如在 A 框架上訓練的神經(jīng)網(wǎng)絡模型無法直接在 B 框架上使用，開發(fā)者需要耗費大量時間精力把模型從一個開發(fā)平臺移植到另一個平臺），F(xiàn)acebook 和微軟發(fā)布開源項目——ONNX。目前，CNTK，PyTorch , Caffe2，MXNet 等均宣布支持 ONNX。
而現(xiàn)在，隨著 PyTorch 和 Caffe2 結合，這將會是解決深度學習框架碎片化，創(chuàng)造一個更加便利的開發(fā)環(huán)境的一大步。
附 PyTorch，Caffe2 簡介
PyTorch
2017 年 1 月，F(xiàn)acebook 在機器學習和科學計算工具 Torch 的基礎上，針對 Python 語言發(fā)布了全新的機器學習工具包——PyTorch。PyTorch 支持 GPU，有著更高級的功能，可以用來構建和訓練深度神經(jīng)網(wǎng)絡。一經(jīng)發(fā)布便受到廣泛關注和討論。經(jīng)過將近一年的發(fā)展，目前已經(jīng)成為從業(yè)者最重要的研發(fā)工具之一。
PyTorch有著諸多優(yōu)勢：
為改進現(xiàn)有的神經(jīng)網(wǎng)絡提供了更快速的方法——采用動態(tài)計算圖（dynamic computational graph）結構，而不是大多數(shù)開源框架，比如 TensorFlow、Caffe、CNTK、Theano 等采用的靜態(tài)計算圖；
處于機器學習第一大語言 Python 的生態(tài)圈之中，使得開發(fā)者能接入廣大的 Python 庫和軟件；
采用定制的 GPU 內(nèi)存分配器；
……
在眾多開發(fā)者眼中，PyTorch 是 TensorFlow 之外一個非常好的選擇。
Caffe2
2017 年 4 月，F(xiàn)acebook 開源深度學習框架 Caffe2。它最大的特點就是輕量、模塊化和擴展性好。Caffe2 可以方便地為手機等移動終端設備帶來 AI 加持，讓 AI 從云端走向終端。
它是在此前流行的開源框架 Caffe 基礎上的重構和升級，一方面集成了諸多新出現(xiàn)的算法和模型，另一方面在保證運算性能和可擴展性的基礎上重點加強了框架在輕量級硬件平臺的部署能力，利于讓開發(fā)者在移動設備上部署 AI 模型，快速準確地處理相關分析任務。
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權禁止轉載。詳情見轉載須知。
