五大主流深度学习框架比较分析：MXNET是最好选择

符号构架

符号计算构架（如 CNTK，MXNET，TensorFlow，Theano）被定义为一个向量运算符的符号图，例如矩阵的加法/乘法或卷积。一个层仅是这些运算符的组合。构造块（运算符）良好的粒度允许用户在不需要在低级语言（如 Caffe）中实现的情况下，开发新的复杂层类型。

在我的工作中，我使用了不同的符号计算框架。然而，我发现由于每个框架的设计和目前的实现方法不同，它们都有各自的优缺点，没有一个框架能完美地满足所有的需要。针对我的需要，我选择使用 Theano。

 

非符号构架优点：

• 像 torch、caffe 这样的非符号（命令式）神经网络构架的计算部分的设计非常相似。

• 根据可表达性，设计良好的命令构架也能揭露类图接口（例如 torch/nngraph）。

非符号架构缺点：

• 命令构架主要的缺点实际上在于人工优化。例如，就地操作必须要人工实现。

• 大多命令构架设计得不够好，比不上符号构架的可表达性。

符号构架优点：

• 符号构架可能可以从依赖图中自动推导优化。

• 一个符号构架可以利用更多内存复用机会，这点 MXNET 做得很好。

• 符号构架能自动计算最佳进度表。详情请参照 TensorFlow 白皮书。

符号构架缺点：

• 现存可用开源符号构架的表现仍逊色于命令构架。

符号构架缺点：

• 现存可用开源符号构架的表现仍逊色于命令构架。