深度學(xué)習(xí)真的可以零基礎(chǔ)入門嗎?
有人如是問(wèn)
- 深度學(xué)習(xí)——我該從哪里開始呢?
- TensorFlow 是現(xiàn)在最流行的吧?
- 我聽說(shuō) Caffe 很常用，但會(huì)不會(huì)太難了?
TensorFlow
對(duì)于那些聽說(shuō)過(guò)深度學(xué)習(xí)但還沒(méi)有太過(guò)專門深入的人來(lái)說(shuō)，TensorFlow 是他們最喜歡的深度學(xué)習(xí)框架，但在這里我要澄清一些事實(shí)。
在 TensorFlow 的官網(wǎng)上，它被定義為「一個(gè)用于機(jī)器智能的開源軟件庫(kù)」，但我覺得應(yīng)該這么定義：TensorFlow 是一個(gè)使用數(shù)據(jù)流圖(data flow graphs)進(jìn)行數(shù)值計(jì)算的開源軟件庫(kù)。在這里，他們沒(méi)有將 TensorFlow 包含在「深度學(xué)習(xí)框架」范圍內(nèi)，而是和 Theano 一起被包含在「圖編譯器(graph compilers)」類別中。
在結(jié)束了 Udacity 的 Deep Learning 課程(https://www.udacity.com/course/deep-learning–ud730)之后，我的感覺是TensorFlow 是一個(gè)非常好的框架，但是卻非常低層。使用 TensorFlow 需要編寫大量的代碼，你必須一遍又一遍地重新發(fā)明輪子。而且我并不是唯一一個(gè)這么想的人。
Theano
Theano 是最老牌和最穩(wěn)定的庫(kù)之一。據(jù)我所知，深度學(xué)習(xí)庫(kù)的開端不是 Caffe 就是 Theano。
和 TensorFlow 類似，Theano 是一個(gè)比較低層的庫(kù)。也因此它并不適合深度學(xué)習(xí)，而更適合數(shù)值計(jì)算優(yōu)化。它支持自動(dòng)的函數(shù)梯度計(jì)算，帶有 Python 接口并集成了 Numpy，這使得它從一開始就成為了通用深度學(xué)習(xí)領(lǐng)域最常使用的庫(kù)之一。
Keras
「You have just found Keras.」
上面這句話是你打開文檔頁(yè)面時(shí)看到的第一句話。在起步時(shí)就已經(jīng)有了足夠的深度學(xué)習(xí)知識(shí)，但我沒(méi)有時(shí)間自己手動(dòng)編寫功能，也沒(méi)有時(shí)間探索和學(xué)習(xí)一個(gè)新的庫(kù)(截止時(shí)間不到 2 個(gè)月，而我還有課要上)。然后我發(fā)現(xiàn)了 Keras。
我真的很喜歡 Keras，因?yàn)樗木浞ㄊ窍喈?dāng)明晰的，它的文檔也非常好(盡管相對(duì)較新)，而且它支持我已經(jīng)掌握的語(yǔ)言 Python。它的使用非常簡(jiǎn)單輕松;我們也能很直觀地了解它的指令、函數(shù)和每個(gè)模塊之間的鏈接方式。
Keras 是一個(gè)非常高層的庫(kù)，可以工作在 Theano 和 TensorFlow(可以配置)之上。另外，Keras 強(qiáng)調(diào)極簡(jiǎn)主義——你只需幾行代碼就能構(gòu)建一個(gè)神經(jīng)網(wǎng)絡(luò)。
Lasagne
Lasagne 是一個(gè)工作在 Theano 之上的庫(kù)。它的使命是簡(jiǎn)化一點(diǎn)深度學(xué)習(xí)算法之下的復(fù)雜計(jì)算，同時(shí)也提供了一個(gè)更加友好的接口(也是 Python 的)。這是一個(gè)老牌的庫(kù)，并且很長(zhǎng)時(shí)間以來(lái)它都是一個(gè)擴(kuò)展能力很強(qiáng)的工具;但在我看來(lái)，它的發(fā)展速度趕不上 Keras。它們的適用領(lǐng)域都差不多，但 Keras 有更好的文檔、也更完整。
Caffe
Caffe 不只是最老牌的框架之一，而是老牌中的老牌。
在我看來(lái)，Caffe 有非常好的特性，但也有一些小缺點(diǎn)。起初的時(shí)候它并不是一個(gè)通用框架，而僅僅關(guān)注計(jì)算機(jī)視覺，但它具有非常好的通用性。在我們實(shí)驗(yàn)室的實(shí)驗(yàn)中，CaffeNet 架構(gòu)的訓(xùn)練時(shí)間在 Caffe 中比在 Keras 中(使用了 Theano 后端)少 5 倍。Caffe 的缺點(diǎn)是它不夠靈活。如果你想給它來(lái)一點(diǎn)新改變，那你就需要使用 C++ 和 CUDA 編程，不過(guò)你也可以使用 Python 或 Matlab 接口進(jìn)行一些小改變。
Caffe 的文檔非常貧乏。你需要花大量時(shí)間檢查代碼才能理解它(Xavier 初始化有什么用?Glorot 是什么?)
Caffe 的最大缺點(diǎn)之一是它的安裝。它需要解決大量的依賴包……我曾經(jīng)安裝過(guò) Caffe 兩次，真正痛苦至極。
但要清楚，Caffe 并不是一無(wú)是處。在投入了生產(chǎn)的計(jì)算機(jī)視覺系統(tǒng)的工具上，Caffe 是無(wú)可爭(zhēng)議的領(lǐng)導(dǎo)者。它非常穩(wěn)健非?？焖?。我的建議是：用 Keras 進(jìn)行實(shí)驗(yàn)和測(cè)試，然后遷移到 Caffe 中進(jìn)行生產(chǎn)。
DSSTNE
DSSTNE 的發(fā)音同 Destiny，是一個(gè)酷勁十足的框架卻總是被忽略。為什么?除去其他的因素不談，原因在于這個(gè)框架不具有普適性，不是為一般常見任務(wù)所設(shè)計(jì)的。DSSTNE 框架只做一件事——推薦系統(tǒng)，但把這件事做到了極致。既不是為研究而設(shè)計(jì)，也不是為測(cè)試 idea 而設(shè)計(jì)(來(lái)源其官方網(wǎng)站的宣傳語(yǔ))，DSSTNE 框架是為量產(chǎn)而設(shè)計(jì)。
我們已在 BEEVA 上做一些實(shí)驗(yàn)測(cè)試了，目前我已經(jīng)感覺到這是一個(gè)運(yùn)行非?？斓墓ぞ卟⑶夷軌虻玫椒浅：玫倪\(yùn)行結(jié)果(平均準(zhǔn)確率均值——mAP 很高)。為了達(dá)到這一速度，DSSTNE 框架用 GPU 運(yùn)行，這也是它的弊端之一：不同于篇中分析的其他框架或者庫(kù)，這個(gè)框架不支持使用者隨意在 CPU 和 GPU 中切換，而這可能會(huì)對(duì)有些嘗試有用，但我們?cè)?DSSTNE 里做這樣的嘗試時(shí)是不被框架所允許的。
還想說(shuō)明一點(diǎn)，這個(gè)框架對(duì)編程能力沒(méi)有要求。DSSTNE 框架通過(guò)其終端的命令行來(lái)執(zhí)行相關(guān)操作。
到目前為止，很多我知道也很流行的框架和庫(kù)我還沒(méi)有用過(guò)，我不能給出更多具體的細(xì)節(jié)。
Torch
在這個(gè)世界上每天仍有很多戰(zhàn)爭(zhēng)，但是一個(gè)優(yōu)秀的「勇士」(西班牙語(yǔ)「Guerrero」)必須熟知哪些戰(zhàn)爭(zhēng)是需要去參加作戰(zhàn)的，哪些是可以選擇不參與的。
Torch 是一個(gè)很著名的框架，因巨頭 Facebook 的人工智能研究所用的框架是 Torch，并且在被谷歌收購(gòu)之前 DeepMind 也是用的 Torch(收購(gòu)之后 DeepMind 轉(zhuǎn)向了 TensorFlow)。Torch 的編程語(yǔ)言是 Lua，這就是我剛才所談的「戰(zhàn)爭(zhēng)」的具體所指。在目前深度學(xué)習(xí)編程語(yǔ)言絕大部分以 Python 實(shí)現(xiàn)為主的大趨勢(shì)下，一個(gè)以 Lua 為編程語(yǔ)言的框架的最大劣勢(shì)莫過(guò)于此。我從未用使用過(guò)這個(gè)語(yǔ)言，如果我想使用 Torch 這個(gè)工具，毫無(wú)疑問(wèn)我需要先學(xué)習(xí) Lua 語(yǔ)言然后才能使用 Torch。這固然是一個(gè)合理的過(guò)程，但就我個(gè)人情況來(lái)說(shuō)，我偏向于用 Python、Matlab 或者 C++的實(shí)現(xiàn)。
MXNet
mxnet 是一個(gè)支持大多數(shù)編程語(yǔ)言的框架之一，包括 Python，R，C++，Julia 等。但我覺得使用 R 語(yǔ)言的開發(fā)者會(huì)特別偏愛 mxnet，因?yàn)橹两駷橹惯€是 Python 以不可置疑的態(tài)勢(shì)稱霸深度學(xué)習(xí)語(yǔ)言的(Python 與 R 的對(duì)決，猜猜我會(huì)站哪邊?:-p)
老實(shí)說(shuō)，在此之前我并沒(méi)有很關(guān)注 mxnet。但是當(dāng)亞馬遜 AWS 宣布選擇 mxnet 作為其深度學(xué)習(xí) AMI 的庫(kù)時(shí)觸發(fā)我開始關(guān)注 mxnet。我必須去了解一下。后來(lái)我獲知亞馬遜把 mxnet 列為其深度學(xué)習(xí)的參考庫(kù)并宣稱其巨大的橫向擴(kuò)展能力。我感覺到這里面有一些新的改變發(fā)生而且我必須深入了解。這也是為什么我們 2017 的 BEEVA 的技術(shù)測(cè)試名單里有 mnxet 的原因。
我對(duì)多 GPU 的擴(kuò)展能力有點(diǎn)疑慮并且我很原意去了解這樣實(shí)驗(yàn)的更多細(xì)節(jié)，但目前我還是對(duì) mxnet 持懷疑態(tài)度。
DL4J
我接觸這一庫(kù)，是因?yàn)樗?documentation。當(dāng)時(shí)我正在尋找受限玻爾茲曼機(jī)、自編碼器，在 DL4J 中找到了這兩個(gè) documentation。里面的文件很清楚，有理論，有代碼案例。我必須得說(shuō) DL4J 的 documentation 簡(jiǎn)直是藝術(shù)品，其他庫(kù)在記錄代碼的時(shí)候需要向它學(xué)習(xí)。
DL4J 背后的公司 Skymind 意識(shí)到，雖然在深度學(xué)習(xí)圈內(nèi) Python 是老大，但大部分程序員起自 Java，所以需要找到一個(gè)解決方案。DL4J 兼容 JVM，也適用 Java、Clojure 和 Scala，隨著 Scala 的起起落落，它也被很多有潛力的創(chuàng)業(yè)公司使用，所以我還會(huì)繼續(xù)緊追這個(gè)庫(kù)。
此外，Skymind 的 twitter 賬戶非?；钴S，不斷公開最新的科學(xué)論文、案例和教程，及其推薦大家關(guān)注。
Cognitive Toolkit
認(rèn)知工具包(Cognitive Toolkit)之前被大家所知的縮略是 CNTK，但是最近又重命名回歸到 Cognitive Toolkit，很可能是想沾最近微軟認(rèn)知服務(wù)(Microsoft Cognitive services)的光。在公開的基準(zhǔn)測(cè)試上的表現(xiàn)來(lái)看，這個(gè)工具似乎很強(qiáng)勁，支持縱向和橫向的推移。
目前為止，Cognitive Toolkit 似乎不是很流行。我并沒(méi)有讀到很多關(guān)于使用這個(gè)庫(kù)的博客、在線實(shí)驗(yàn)案例或者在 Kaggle 里的相關(guān)評(píng)論。但是對(duì)我來(lái)說(shuō)，一個(gè)背靠微軟研究的框架特別強(qiáng)調(diào)自己的推移能力讓我覺得有些奇怪，畢竟微軟研究團(tuán)隊(duì)可是在語(yǔ)音識(shí)別上打破世界紀(jì)錄并逼近人類水準(zhǔn)。
我在查看他們項(xiàng)目百科的一個(gè)范例的時(shí)候了解到 Cognitive Toolkit 在 Python 上的語(yǔ)法和 Keras 是非常相類似的(Cognitive Toolkit 也支持 C++)，這不禁讓我在想(并不是確認(rèn))Keras 才是正確的方式。
如果你想進(jìn)入這一領(lǐng)域，你應(yīng)該首先學(xué)習(xí) Python。盡管這一領(lǐng)域還支持其它很多語(yǔ)言，但 Python 是應(yīng)用范圍最廣而且最簡(jiǎn)單的一個(gè)。
如果你是初學(xué)者，使用 Keras，如果不是初學(xué)者，也可以使用它。如果你參加過(guò) Kaggle 比賽，你肯定注意到了 Kaggle 的兩大巨星：Keras 和 XGBoost。
您怎么看待最近關(guān)于深度學(xué)習(xí)的熱潮?
上面提到的這些庫(kù)，你中意哪個(gè)?為什么?
深度學(xué)習(xí)真的可以零基礎(chǔ)入門嗎? 你怎么看?
