,数据加载器,调试,不同的平台支持,分布式训练等等。
我们不确定是否能对框架的整体性能提出任何建议,因为本项目主要还是在演示如何在不同的框架中创建相同的神经网络。...例如,使用Caffe2在Python中创建CNN,然后在Julia中使用KNet复制这个网络,或者也可以在PyTorch中尝试创建一个RNN并在Tensorflow中复制它。...例如:汽车图像的相关参数 y=(0,1,0,0,0,0,0,0,0,0),其标签是= [飞机,汽车,鸟,猫,鹿,狗,青蛙,马,船 ,卡车]
在IMDB数据集上训练RNN(GRU,门控循环单元)
性能对比...例如,对于CNTK,我们不能再使用类似层归一化的更复杂的变量。在PyTorch中,这是默认启用的。但是对于MXNet,我无法找到这样的RNN函数,而是使用稍慢的Fused RNN函数。...但是在torch中Y需要double类型(是为了可以使用在torch.LongTensor(y).cuda函数中)的数据
如果框架有一个稍微低级一点的API,请确保在测试过程中不要通过设置training