Комментарии 7
То есть не хватает именно хорошего фреймворка — порта pytorch, или даже сразу fastai.
А чем pytorch лучше? Я где-то видел статистику использования фреймворков, он там второй после кераса, вроде бы.
Лаконичнее и монолитнее, что ли. В keras
все нестандартные штуки, начиная с кастомных функций потерь, делаются посредством вызова функций бекенда — как правило, это tensorflow
. В pytorch
все прозрачнее. А fastai
добавляет сверху набор эвристик и хорошо подобранные значения параметров по умолчанию, по крайней мере для наиболее типичных задач.
Понятно. Под keras если даже я не могу на 100% реализовать что-то кастомное, я ищу питоновскую реализацию, а код транслируется 1 к 1 с небольшими синтаксическими правками. А вообще много примеров на rstudio. И надо немного питоновские структуры данных знать, хотя бы листы. Работа по портированию keras а большая… mxnet просто убивал отсутствием документации, многих стандартные вещи приходилось просить у разрабов на гитхабе. Считаю, хорошо, что есть то, что есть.
Quick Draw Doodle Recognition: как подружить R, C++ и нейросетки