TensorFlow बनाम Theano बनाम Torch बनाम Keras: डीप लर्निंग लाइब्रेरी

2016 से कृत्रिम बुद्धिमत्ता की लोकप्रियता बढ़ रही है, 20% बड़ी कंपनियां अपने कारोबार में एआई का उपयोग कर रही हैं (मैककिन्से) रिपोर्ट, 2018)। इसी रिपोर्ट के अनुसार AI विभिन्न उद्योगों में पर्याप्त मूल्य पैदा कर सकता है। उदाहरण के लिए, बैंकिंग में AI की क्षमता का अनुमान लगाया गया है $300 बिलियन, खुदरा क्षेत्र में यह संख्या आसमान छू रही है $600 अरब।

AI के संभावित मूल्य को अनलॉक करने के लिए, कंपनियों को सही डीप लर्निंग फ्रेमवर्क चुनना होगा। इस ट्यूटोरियल में, आप डीप लर्निंग कार्यों को करने के लिए उपलब्ध विभिन्न लाइब्रेरी के बारे में जानेंगे। कुछ लाइब्रेरी सालों से मौजूद हैं जबकि TensorFlow जैसी नई लाइब्रेरी हाल के सालों में सामने आई है।

8 सर्वश्रेष्ठ डीप लर्निंग लाइब्रेरीज़ / फ्रेमवर्क

इस सूची में, हम शीर्ष डीप लर्निंग फ्रेमवर्क की तुलना करेंगे। ये सभी ओपन सोर्स हैं और डेटा साइंटिस्ट समुदाय में लोकप्रिय हैं। हम लोकप्रिय ML सेवा प्रदाताओं की भी तुलना करेंगे

टॉर्च

Torch एक पुरानी ओपन सोर्स मशीन लर्निंग लाइब्रेरी है। इसे पहली बार 15 साल पहले जारी किया गया था। इसकी प्राथमिक प्रोग्रामिंग भाषा LUA है, लेकिन इसका C में भी कार्यान्वयन है। Py की तुलना मेंTorch बनाम TensorFlow की तुलना में, यह डीप लर्निंग सहित मशीन लर्निंग एल्गोरिदम के लिए एक विशाल लाइब्रेरी का समर्थन करता है। यह समानांतर गणना के लिए CUDA कार्यान्वयन का समर्थन करता है।

Torch डीप लर्निंग टूल का उपयोग फेसबुक, गूगल, ट्विटर, एनवीडिया आदि जैसी अधिकांश प्रमुख प्रयोगशालाओं द्वारा किया जाता है। Torch में एक पुस्तकालय है Python नाम पाइटॉर्च.

इन्फर.नेट

Infer.net का विकास और रखरखाव किसके द्वारा किया जाता है Microsoft. Infer.net एक लाइब्रेरी है जिसका प्राथमिक ध्यान Bayesian सांख्यिकी पर है। Infer.net डीप लर्निंग के लिए एक विज़ुअलाइज़ेशन टूल है जिसे प्रैक्टिशनर्स को संभाव्य मॉडलिंग के लिए अत्याधुनिक एल्गोरिदम प्रदान करने के लिए डिज़ाइन किया गया है। लाइब्रेरी में शामिल है विश्लेषणात्मक उपकरण जैसे बेयसियन विश्लेषण, छिपी मार्कोव श्रृंखला, क्लस्टरिंग।

Keras

केरास एक है Python डीप लर्निंग के लिए फ्रेमवर्क। यह किसी भी डीप लर्निंग एल्गोरिदम का निर्माण करने के लिए एक सुविधाजनक लाइब्रेरी है। केरास का लाभ यह है कि यह उसी का उपयोग करता है Python सीपीयू या जीपीयू पर चलाने के लिए कोड। इसके अलावा, कोडिंग वातावरण शुद्ध है और कंप्यूटर विज़न, टेक्स्ट रिकग्निशन आदि के लिए अत्याधुनिक एल्गोरिदम को प्रशिक्षित करने की अनुमति देता है।

केरास को गूगल के एक शोधकर्ता फ्रांकोइस चोलेट ने विकसित किया था। केरास का इस्तेमाल CERN, Yelp, Square या Google जैसे प्रमुख संगठनों में किया जाता है। Netflix, और उबेर।

थेनो

थेनो 2007 में यूनिवर्सिटी डी मॉन्ट्रियल द्वारा विकसित डीप लर्निंग लाइब्रेरी है। थेनो बनाम टेंसरफ्लो की तुलना करें तो यह तेज़ कम्प्यूटेशन प्रदान करता है और इसे CPU और GPU दोनों पर चलाया जा सकता है। थेनो को डीप न्यूरल नेटवर्क एल्गोरिदम को प्रशिक्षित करने के लिए विकसित किया गया है।

Microsoft संज्ञानात्मक टूलकिट (CNTK)

Microsoft टूलकिट, जिसे पहले CNTK के नाम से जाना जाता था, एक गहन शिक्षण लाइब्रेरी है जिसे विकसित किया गया है Microsoft. के अनुसार Microsoftयह पुस्तकालय बाजार में सबसे तेजी से विकसित होने वाले पुस्तकालयों में से एक है। Microsoft टूलकिट एक ओपन-सोर्स लाइब्रेरी है, हालाँकि Microsoft अपने उत्पाद के लिए इसका बड़े पैमाने पर उपयोग कर रहा है जैसे Skype, Cortana, Bing, और Xbox. टूलकिट दोनों में उपलब्ध है Python और C++.

एमएक्सनेट

MXnet एक हालिया डीप लर्निंग लाइब्रेरी है। यह कई प्रोग्रामिंग भाषाओं के साथ सुलभ है, जिनमें शामिल हैं C++, जूलिया, Python और आर. MXNet को CPU और GPU दोनों पर काम करने के लिए कॉन्फ़िगर किया जा सकता है। MXNet में कन्वोल्यूशनल न्यूरल नेटवर्क और लॉन्ग शॉर्ट-टर्म मेमोरी जैसे अत्याधुनिक डीप लर्निंग आर्किटेक्चर शामिल हैं। MXNet को काम करने के लिए बनाया गया है harmony गतिशील क्लाउड इंफ्रास्ट्रक्चर के साथ। MXNet का मुख्य उपयोगकर्ता है Amazon

Caffe

कैफ़े एक लाइब्रेरी है जिसे यांगकिंग जिया ने बनाया था जब वह बर्कले में पीएचडी छात्र था। कैफ़े बनाम टेंसरफ़्लो की तुलना करें तो कैफ़े लिखा गया है C++ और CPU और GPU दोनों पर गणना कर सकता है। कैफ़े का प्राथमिक उपयोग कन्वोल्यूशनल न्यूरल नेटवर्क है। हालाँकि, 2017 में, Facebook ने कैफ़े को अधिक गहन शिक्षण वास्तुकला के साथ विस्तारित किया, जिसमें रीकरंट न्यूरल नेटवर्क भी शामिल है। कैफ़े का उपयोग शिक्षाविदों और स्टार्टअप द्वारा किया जाता है, लेकिन याहू जैसी कुछ बड़ी कंपनियाँ भी इसका उपयोग करती हैं।

TensorFlow

TensorFlow गूगल का ओपन सोर्स प्रोजेक्ट है। TensorFlow इन दिनों सबसे मशहूर डीप लर्निंग लाइब्रेरी है। इसे 2015 के आखिर में लोगों के लिए जारी किया गया था।

TensorFlow का विकास किया गया है C++ और सुविधाजनक है Python एपीआई, यद्यपि C++ एपीआई भी उपलब्ध हैं। एयरबस, गूगल जैसी प्रमुख कंपनियां, IBM और इसी तरह अन्य लोग गहन शिक्षण एल्गोरिदम का निर्माण करने के लिए TensorFlow का उपयोग कर रहे हैं।

TensorFlow बनाम Theano बनाम Torch बनाम Keras बनाम infer.net बनाम CNTK बनाम MXNet बनाम Caffe: मुख्य अंतर

पुस्तकालय	मंच	इसमें लिखा हुआ	CUDA समर्थन	समानांतर निष्पादन	प्रशिक्षित मॉडल हैं	RNN	सीएनएन
टॉर्च	लिनक्स, macOS, Windows	लुआ	हाँ	हाँ	हाँ	हाँ	हाँ
इन्फर.नेट	लिनक्स, macOS, Windows	विजुअल स्टूडियो	नहीं	नहीं	नहीं	नहीं	नहीं
Keras	लिनक्स, macOS, Windows	Python	हाँ	हाँ	हाँ	हाँ	हाँ
थेनो	क्रॉस-प्लेटफॉर्म	Python	हाँ	हाँ	हाँ	हाँ	हाँ
TensorFlow	लिनक्स, macOS, Windows, Android	C++, Python, सीयूडीए	हाँ	हाँ	हाँ	हाँ	हाँ
माइक्रोसॉफ्ट संज्ञानात्मक टूलकिट	लिनक्स, Windows, मैक डॉकर के साथ	C++	हाँ	हाँ	हाँ	हाँ	हाँ
Caffe	लिनक्स, macOS, Windows	C++	हाँ	हाँ	हाँ	हाँ	हाँ
एमएक्सनेट	लिनक्स, Windows, macOS, Android, आईओएस, Javascript	C++	हाँ	हाँ	हाँ	हाँ	हाँ

निर्णय

TensorFlow सभी में सबसे अच्छी लाइब्रेरी है क्योंकि इसे सभी के लिए सुलभ बनाया गया है। TensorFlow लाइब्रेरी CNN या RNN जैसे स्केल डीप लर्निंग आर्किटेक्चर को बनाने के लिए अलग-अलग API को शामिल करती है। TensorFlow ग्राफ कंप्यूटेशन पर आधारित है, यह डेवलपर को न्यूरल नेटवर्क के निर्माण को विज़ुअलाइज़ करने की अनुमति देता है टेंसरबोर्डयह टूल प्रोग्राम को डीबग करने में सहायक है। अंत में, Tensorflow को बड़े पैमाने पर तैनात करने के लिए बनाया गया है। यह CPU और GPU पर चलता है।

टेन्सरफ्लो मेंtracअन्य डीप लर्निंग लाइब्रेरी की तुलना में GitHub पर इसकी लोकप्रियता सबसे अधिक है।

एक सेवा के रूप में मशीन लर्निंग की तुलना

निम्नलिखित 4 लोकप्रिय डीएल-ए-सर्विस प्रदाता हैं

Google Cloud ML

Google क्लाउड ऑटोएमएल में उपलब्ध डेवलपर प्री-ट्रेन्ड मॉडल प्रदान करता है। यह समाधान ऐसे डेवलपर के लिए मौजूद है जिसके पास मजबूत पृष्ठभूमि नहीं है यंत्र अधिगमडेवलपर्स अपने डेटा पर Google के अत्याधुनिक पूर्व-प्रशिक्षित मॉडल का उपयोग कर सकते हैं। यह किसी भी डेवलपर को कुछ ही मिनटों में किसी भी मॉडल को प्रशिक्षित और मूल्यांकन करने की अनुमति देता है।

गूगल वर्तमान में कंप्यूटर विज़न, वाक् पहचान, अनुवाद और NLP के लिए REST API प्रदान करता है।

का प्रयोग Google Cloud, आप TensorFlow, Scikit-learn, XGBoost या Keras पर आधारित मशीन लर्निंग फ्रेमवर्क को प्रशिक्षित कर सकते हैं। Google Cloud मशीन लर्निंग अपने क्लाउड पर मॉडलों को प्रशिक्षित करेगी।

Google क्लाउड कंप्यूटिंग का उपयोग करने का लाभ यह है कि मशीन लर्निंग को उत्पादन में तैनात करना सरल है। Docker कंटेनर को सेट अप करने की कोई आवश्यकता नहीं है। इसके अलावा, क्लाउड बुनियादी ढांचे का ख्याल रखता है। यह जानता है कि CPU, GPU और TPU के साथ संसाधनों को कैसे आवंटित किया जाए। यह समानांतर गणना के साथ प्रशिक्षण को तेज़ बनाता है।

एडब्ल्यूएस सेजमेकर

एक प्रमुख प्रतियोगी Google Cloud is Amazon बादल, एडब्ल्यूएस. Amazon विकसित किया Amazon सेजमेकर डेटा वैज्ञानिकों और डेवलपर्स को किसी भी मशीन लर्निंग मॉडल का निर्माण, प्रशिक्षण और उत्पादन में लाने की अनुमति देगा।
SageMaker उपलब्ध है Jupyter नोटबुक और इसमें सबसे ज़्यादा इस्तेमाल की जाने वाली मशीन लर्निंग लाइब्रेरी, TensorFlow, MXNet, Scikit-learn आदि शामिल हैं। SageMaker के साथ लिखे गए प्रोग्राम स्वचालित रूप से Docker कंटेनर में चलाए जाते हैं। Amazon प्रशिक्षण और तैनाती को अनुकूलित करने के लिए संसाधन आवंटन को संभालता है।

Amazon डेवलपर्स को उनके अनुप्रयोगों में बुद्धिमत्ता जोड़ने के लिए API प्रदान करता है। कुछ अवसरों पर, नए मॉडल को खरोंच से बनाकर पहिया को फिर से आविष्कार करने की आवश्यकता नहीं होती है, जबकि क्लाउड में शक्तिशाली पूर्व-प्रशिक्षित मॉडल होते हैं। Amazon कंप्यूटर विज़न, संवादात्मक चैटबॉट और भाषा सेवाओं के लिए API सेवाएँ प्रदान करता है:

तीन प्रमुख उपलब्ध API हैं:

• Amazon मान्यता: किसी ऐप को छवि और वीडियो पहचान प्रदान करता है
• Amazon समझें: उदाहरण के लिए, वित्तीय दस्तावेज़ की वैधता की जाँच की प्रक्रिया को स्वचालित करने के लिए टेक्स्ट माइनिंग और न्यूरल लैंग्वेज प्रोसेसिंग करें
• Amazon लेक्स: किसी ऐप में चैटबॉट जोड़ें

Azure मशीन लर्निंग स्टूडियो

संभवतः मशीन लर्निंग के लिए सबसे अनुकूल दृष्टिकोणों में से एक है Azure मशीन लर्निंग स्टूडियो। इस समाधान का महत्वपूर्ण लाभ यह है कि किसी पूर्व प्रोग्रामिंग ज्ञान की आवश्यकता नहीं है।

Microsoft Azure मशीन लर्निंग स्टूडियो मशीन लर्निंग समाधान बनाने, प्रशिक्षित करने, मूल्यांकन करने और तैनात करने के लिए एक ड्रैग-एंड-ड्रॉप सहयोगी उपकरण है। मॉडल को वेब सेवाओं के रूप में कुशलतापूर्वक तैनात किया जा सकता है और एक्सेल जैसे कई ऐप में इस्तेमाल किया जा सकता है।

Azure मशीन लर्निंग इंटरफ़ेस इंटरैक्टिव है, जिससे उपयोगकर्ता केवल ड्रैग एंड ड्रॉप करके मॉडल बना सकता है।ping तत्वों को तेजी से।

जब मॉडल तैयार हो जाता है, तो डेवलपर इसे सहेज सकता है और इसे आगे बढ़ा सकता है Azure तस्वीरें or Azure बाज़ार।

Azure मशीन लर्निंग को R या में एकीकृत किया जा सकता है Python उनके कस्टम निर्मित पैकेज.

IBM Watson ML

वाटसन स्टूडियो एक सुव्यवस्थित प्रक्रिया के साथ डेटा परियोजनाओं को सरल बना सकता है जो पूर्व की अनुमति देता हैtracडेटा से मूल्य और अंतर्दृष्टि प्राप्त करके व्यवसाय को अधिक स्मार्ट और तेज़ बनाने में मदद करना। वॉटसन स्टूडियो एक उपयोग में आसान सहयोगी डेटा साइंस और मशीन लर्निंग वातावरण प्रदान करता है, जहाँ मॉडल बनाना और प्रशिक्षित करना, डेटा तैयार करना और उसका विश्लेषण करना, और अंतर्दृष्टि साझा करना सब कुछ एक ही स्थान पर संभव है। वॉटसन स्टूडियो का उपयोग ड्रैग-एंड-ड्रॉप कोड के साथ आसानी से किया जा सकता है।

वाटसन स्टूडियो कुछ सबसे लोकप्रिय फ्रेमवर्क जैसे कि टेन्सरफ्लो, केरास, पाइटॉर्च, कैफ़े का समर्थन करता है और मॉडलिंग में तेजी लाने में मदद करने के लिए एनवीडिया के नवीनतम जीपीयू पर डीप लर्निंग एल्गोरिदम तैनात कर सकता है।

निर्णय

हमारे दृष्टिकोण से, Google क्लाउड समाधान सबसे ज़्यादा अनुशंसित है। Google क्लाउड समाधान डेटा स्टोरेज और मशीन लर्निंग समाधान के लिए AWS से कम से कम 30% कम कीमत प्रदान करता है। Google AI को लोकतांत्रिक बनाने के लिए एक बेहतरीन काम कर रहा है। इसने एक ओपन सोर्स भाषा, TensorFlow विकसित की है, जो अनुकूलित है डाटा गोदाम कनेक्शन, डेटा विज़ुअलाइज़ेशन, डेटा विश्लेषण से लेकर मशीन लर्निंग तक के जबरदस्त उपकरण प्रदान करता है। इसके अलावा, Google कंसोल एर्गोनोमिक है और AWS या की तुलना में बहुत अधिक व्यापक है Windows.