L****8
发帖数: 3938 | 1 想怎么连接网络 都可以
各种奇特想法都可以实现
而且debug容易 一行一行执行 就有结果
pytorch和caff2融合以后 更加强大 |
g*******u
发帖数: 3948 | 2 现在看torch 最起码在验证阶段 完爆tf了
tf什么鸡巴玩意 搞的那么恶心 白瞎了google的名头了 |
w***g
发帖数: 5958 | 3 Tf确实是狗屁玩意，容我也骂一句。
：想怎么连接网络 都可以
：各种奇特想法都可以实现 |
x****u
发帖数: 44466 | 4 TTt太看重工业部署，自己研究需要用简单点的
【在 w***g 的大作中提到】
: Tf确实是狗屁玩意，容我也骂一句。
:
: ：想怎么连接网络 都可以
: ：各种奇特想法都可以实现
|
m****o
发帖数: 182 | 5 这两种是不同的模型，tf是静态网络，pytorch是动态网络。tf的优势在于部署，模型
训练出来以后，可以上java，可以上go，等等。pytorch只能上python。
【在 L****8 的大作中提到】
: 想怎么连接网络 都可以
: 各种奇特想法都可以实现
: 而且debug容易 一行一行执行 就有结果
: pytorch和caff2融合以后 更加强大
|
n******7
发帖数: 12463 | 6 那是不是用pytorch 学习，研究，折腾
调好之后用tf最终训练，deploy？
【在 m****o 的大作中提到】
: 这两种是不同的模型，tf是静态网络，pytorch是动态网络。tf的优势在于部署，模型
: 训练出来以后，可以上java，可以上go，等等。pytorch只能上python。
|
m****o
发帖数: 182 | 7 可以这么做。有两个问题：第一：如果使用比较high level的tensor，即便表面看起来
一样，两边实现的细节可能还是会有所不同。第二：如果pytorch方面实现的结构比较
复杂，转化到tensorflow下有难度，比如递归网络这样的结构随着数据输入变化的模型。
【在 n******7 的大作中提到】
: 那是不是用pytorch 学习，研究，折腾
: 调好之后用tf最终训练，deploy？
|
w***g
发帖数: 5958 | 8 这个实际操作很难，非常耗费人力。
caffe2或者把参数导出到tensorrt部署。
【在 n******7 的大作中提到】
: 那是不是用pytorch 学习，研究，折腾
: 调好之后用tf最终训练，deploy？
|
w*****r
发帖数: 197 | 9 问题是现在还有很多legacy work在caffe上，整合/集成都是麻烦事 |
w*****r
发帖数: 197 | 10 google现在玩的是ecosystem，以后很有可能到处都是tf，其他的轮子要想接入，自己
port。。。
【在 m****o 的大作中提到】
: 这两种是不同的模型，tf是静态网络，pytorch是动态网络。tf的优势在于部署，模型
: 训练出来以后，可以上java，可以上go，等等。pytorch只能上python。
|
l*******m
发帖数: 1096 | 11 又想到恶心的事了port 一个torch到tf, 花了半年才真正搞定，精度才一致。又过半年
功力提高了，又改了个参数，果然提高了不少，老中医摸脉。
：这个实际操作很难，非常耗费人力。
：caffe2或者把参数导出到tensorrt部署。 |
e*******o
发帖数: 4654 | |
m****o
发帖数: 182 | 13 ONNX号称万能钥匙，有人用过吗？
【在 w*****r 的大作中提到】
: google现在玩的是ecosystem，以后很有可能到处都是tf，其他的轮子要想接入，自己
: port。。。
|
