pytorch实现手写数字识别_Paddle和Pytorch实现MNIST手写数字集识别对比

一、简介

1. Paddle

PaddlePaddle是百度自主研发的集深度学习核心框架、工具组件和服务平台为一体的技术领先、功能完备的开源深度学习平台&＃xff0c;有全面的官方支持的工业级应用模型&＃xff0c;涵盖自然语言处理、计算机视觉、推荐引擎等多个领域&＃xff0c;并开放多个预训练中文模型。

PaddlePaddle同时支持稠密参数和稀疏参数场景的大规模深度学习并行训练&＃xff0c;支持千亿规模参数、数百个节点的高效并行训练。PaddlePaddle拥有多端部署能力&＃xff0c;支持服务器端、移动端等多种异构硬件设备的高速推理&＃xff0c;预测性能有显著优势。目前PaddlePaddle已经实现了API的稳定和向后兼容&＃xff0c;具有完善的中英双语使用文档。

PaddlePaddle是一个开源的深度学习平台&＃xff0c;而在我们进行使用的时候主要使用的是其核心框架Paddle Fluid。Paddle Fluid提供覆盖深度学习开发、训练、预测及部署全流程的服务。

和其他我们常用的深度学习框架一样&＃xff0c;Fluid同样使用Tensor结构来承载数据。

2. Pytorch

Pytorch是torch的python版本&＃xff0c;是由Facebook开源的神经网络框架&＃xff0c;专门针对 GPU 加速的深度神经网络&＃xff08;DNN&＃xff09;编程。Torch 是一个经典的对多维矩阵数据进行操作的张量&＃xff08;tensor &＃xff09;库&＃xff0c;在机器学习和其他数学密集型应用有广泛应用。与Paddle Fluid的动态计算图相同&＃xff0c;pytorch的计算图也是动态的&＃xff0c;可以根据计算需要实时改变计算图。但由于Torch语言采用 Lua&＃xff0c;导致在国内一直很小众&＃xff0c;并逐渐被支持 Python 的 Tensorflow 抢走用户。作为经典机器学习库 Torch 的端口&＃xff0c;PyTorch 为 Python 语言使用者提供了舒适的写代码选择。

二、任务简介

三、代码实现

1. Paddle

2. Pytorch

三、对比

1.结果

Paddle&＃xff1a;

Pytorch:

两者都可以极快地达到较高的准确率

2.实现方式

两者都采取的是动态图

两者都有直接支持MNIST数据集的获取&＃xff0c;但是Pytorch需要自己进行归一化、居中等处理&＃xff0c;但是Paddle提供的数据是已经处理过后了的。

两者提供的读取数据的相关API基本类似&＃xff0c;都可以直接做到随机读取数据等。

在模型训练过程中都支持自动求导&＃xff0c;多有相同的损失函数接口&＃xff0c;不同求导方式的接口等&＃xff0c;搭建模型都十分方便。

总的来说&＃xff0c;两者差距很小&＃xff0c;学会了其中任意一种再去使用其他的都可以极快地上手。