Keras還是TensorFlow，程序員該如何選擇深度學(xué)習(xí)框架？如果您想用少量的代碼盡快地構(gòu)建和測試神經(jīng)網(wǎng)絡(luò)，keras是最快的，而且sequential API和model非常強(qiáng)大。而且keras

Keras還是TensorFlow，程序員該如何選擇深度學(xué)習(xí)框架？

如果您想用少量的代碼盡快地構(gòu)建和測試神經(jīng)網(wǎng)絡(luò)，keras是最快的，而且sequential API和model非常強(qiáng)大。而且keras的設(shè)計(jì)非常人性化。以數(shù)據(jù)輸入和輸出為例，與keras的簡單操作相比，tensorflow編譯碼的構(gòu)造過程非常復(fù)雜（尤其對于初學(xué)者來說，大量的記憶過程非常痛苦）。此外，keras將模塊化作為設(shè)計(jì)原則之一，用戶可以根據(jù)自己的需求進(jìn)行組合。如果你只是想快速建立通用模型來實(shí)現(xiàn)你的想法，keras可以是第一選擇。

但是，包裝后，keras將變得非常不靈活，其速度相對較慢。如果高度包裝，上述缺點(diǎn)將更加明顯。除了一些對速度要求較低的工業(yè)應(yīng)用外，由于tensorflow的速度較高，因此會選擇tensorflow

如果您在驗(yàn)證您的想法時，想定義損失函數(shù)而不是使用現(xiàn)有的設(shè)置，與keras相比，tensorflow提供了更大的個性空間。此外，對神經(jīng)網(wǎng)絡(luò)的控制程度將在很大程度上決定對網(wǎng)絡(luò)的理解和優(yōu)化，而keras提供的權(quán)限很少。相反，tensorflow提供了更多的控制權(quán)，比如是否訓(xùn)練其中一個變量、操作梯度（以獲得訓(xùn)練進(jìn)度）等等。

盡管它們都提供了深度學(xué)習(xí)模型通常需要的功能，但如果用戶仍然追求一些高階功能選擇，例如研究特殊類型的模型，則需要tensorflow。例如，如果您想加快計(jì)算速度，可以使用tensorflow的thread函數(shù)來實(shí)現(xiàn)與多個線程的相同會話。此外，它還提供了調(diào)試器功能，有助于推斷錯誤和加快操作速度。

編程初學(xué)者應(yīng)該先學(xué)C 、Java還是Python？

在前一段時間，我一直認(rèn)為引入C編程語言是一個非常好的選擇。其實(shí)C語言更適合初學(xué)者學(xué)習(xí)。

對于C語言學(xué)習(xí)，我建議您查看郝斌的C語言課程。解釋得很詳細(xì)。我學(xué)習(xí)了這個教程。

如果您使用python，入門也是一個不錯的選擇。

Java是迄今為止使用最多的語言。今天我覺得可以用java開始了。但是，要開始學(xué)習(xí)，您必須只選擇學(xué)習(xí)面向?qū)ο笄懊娴闹R。如果初學(xué)者一起加入面向?qū)ο蟮膶W(xué)習(xí)。你會發(fā)現(xiàn)你可以崩潰。

只有完成面向?qū)ο蟮娜^程后，非常熟悉，才能進(jìn)行面向?qū)ο蟮膶W(xué)習(xí)。

如果您有任何問題，請指出。

新人想學(xué)編程，如何入門？

從哪本書開始學(xué)習(xí)Python比較好？

如果是基本的，我想找一個在線網(wǎng)站學(xué)習(xí)如何開始是可以的。如果你想系統(tǒng)地學(xué)習(xí)，我建議從不同的方向?qū)W習(xí)會更有效率。例如下面三個，分別為安全域、數(shù)據(jù)分析、網(wǎng)絡(luò)爬蟲等。如果是游戲指導(dǎo)或機(jī)器學(xué)習(xí)，找另一個。。