在深度学习中，一般通过误差反向传播算法来进行参数学习．采用手工方式来计算梯度再写代码实现的方式会非常低效，并且容易出错．此外，深度学习模
型需要的计算机资源比较多，一般需要在 CPU 和 GPU 之间不断进行切换，开发
难度也比较大．
因此，一些支持自动梯度计算、无缝CPU和GPU切换等功能的深度学习框架就应运而生．比较有代表性的框架包括：Theano、Caffe、TensorFlow、Pytorch、飞桨（PaddlePaddle）、Chainer和MXNet等．
相关文章：
猜你喜欢
相关资源
相似解决方案
热门标签