Deep Learning Frameworks: Difference between revisions

From HPCWIKI
Jump to navigation Jump to search
(Fix: remove --- horizontal lines (9 removed))
 
(5 intermediate revisions by 2 users not shown)
Line 1: Line 1:
There have been many Deep Learning (DL) frameworks, like Theano, CNTK, Caffe2, and MXNet. Nowadays, some of them appear to be dead or dying, as just two frameworks heavily dominate the DL scene: Google TensorFlow (TF) and PyTorch from Meta aka FaceBook.
{{Status
|status=Draft
|owner=Knowledge Agent
|last_update=2026-07-16
|review=Pending
}}


However, there is no reason to believe such a duopoly will persist forever.  Cause new DL frameworks are proposed here and there. So it is hard to say which DL framework will be popular in ten years later..., for example, Google has at least two (perhaps more) competing AI teams: Google Brain and DeepMind. Even in the TensorFlow era, DeepMind used their own layer API called Sonnet (instead of the usual Keras)
{{TOC}}


== Overview ==


As of March'23, someone<ref>https://medium.com/@andreiliphd</ref> said that TensorFlow and PyTorch like a wooden bear and teddy bear. There is so much love in teddy bears. PyTorch has logical components that perfectly fit together to form a product.
Deep Learning Frameworks에 대한 기술 문서입니다.


=== Popular Deep Learning Framework ===
=== Summary ===
{| class="wikitable sortable mw-collapsible"
 
!Framework
* 무엇인가? - Deep Learning Frameworks
!Issue
* 왜 필요한가? - HPC 및 서버 환경에서 필수 개념
!HPCMATE custom build<ref>HPCMATE supports custom build service to optimize binary performance on given system based on customer requirements </ref>
* 언제 사용하는가? - 서버 구성, 성능 튜닝, 문제 해결 시
!Developer
 
!Status as of 2023
 
!Language
== Purpose ==
!GPU [[Support]]
 
!Distributed Computing
이 문서가 존재하는 이유
!Auto-differentiation
 
!Pre-trained models
* Goal: Deep Learning Frameworks에 대한 기술 정보 제공
!Visualization
* Scope: Deep Learning Frameworks의 개념, 사용법, 설정
!Deployment
* Non-goals: 다른 주제로의 확장
|-
 
|[https://www.tensorflow.org/?gclid=EAIaIQobChMItN6Kl9f4_QIV1DMrCh0rZwVcEAAYASAAEgIdKPD_BwE&hl=en TensorFlow]
 
|
== Key Concepts ==
|Yes
|Google
|
|Python
|Yes
|Yes
|Yes
|Yes
|Yes
|Yes
|-
|[https://pytorch.org PyTorch]
|PyTorch issue list<ref>https://github.com/pytorch/pytorch/issues</ref>
|Yes


|Facebook
{| class="wikitable"
|
! Concept
* Pytorch version 2.0<ref>https://github.com/pytorch/pytorch/releases</ref> released as of 12/2/22
! Description
*Facebook use PyTorch to train the model and Caffe2 to deploy it<ref>https://www.codingninjas.com/codestudio/library/pytorch-vs-caffe2</ref>
! Related
* Caffe2 has been merged into PyTorch as of Apr'2018 <ref>https://synced.medium.com/caffe2-merges-with-pytorch-a89c70ad9eb7</ref>
|Python
|Yes
|Yes
|Yes
|Yes
|Yes
|Yes
|-
|Keras
|
|NA
|Google
|Merged into TensorFlow
|Python
|Yes
|Yes
|Yes
|Yes
|Yes
|Yes
|-
|MXNet
|
|
|Apache
|Since late 2022 the code development has mostly halted and community engagement slowed<ref>https://github.com/apache/mxnet/issues/21206</ref>
|Multiple
|Yes
|Yes
|Yes
|Yes
|Yes
|Yes
|-
|-
|Caffe
| Deep Learning Frameworks
|
| HPC/서버 환경에서 중요한 기술 개념
|NA
| [[Linux]], [[Server]]
|Berkeley AI Research
|Caffe2 is built on Caffe and is merged into Meta’s PyTorch
Yahoo has also integrated Caffe with Apache Spark to create CaffeOnSpark, which brings deep learning to Hadoop and Spark clusters
|C++
|Yes
|No
|Yes
|Yes
|No
|Yes
|-
|Theano
|
|NA
|Université de Montréal
|'''Theano is dead now but''' the other open-source deep libraries which are built on top of Theano are still functioning; these include Keras, Lasagne, and Blocks
|Python
|Yes
|No
|Yes
|Yes
|No
|No
|-
|CNTK
|
|NA
|
|CNTK is no longer actively developed, latest version is 2.7 which works with Python 3.6<ref>https://learn.microsoft.com/en-us/cognitive-toolkit/</ref>
|
|
|
|
|
|
|
|}
|}


===Reference===
 
<nowiki><references/></nowiki>
== Detailed Explanation ==
 
= Deep Learning Frameworks =
|status=Draft
|owner=Knowledge Agent
|last_update=2026-07-16
|review=Pending
}}
딥러닝 모델을 설계, 훈련, 배포하기 위한 소프트웨어 라이브러리 및 프레임워크의 생태계.
* 무엇인가? TensorFlow, PyTorch, Keras 등 딥러닝 모델 개발을 위한 프레임워크
* 왜 필요한가? 복잡한 신경망 연산을 추상화하여 개발자가 모델에 집중할 수 있게 함
* 언제 사용하는가? 이미지 인식, NLP, 추천 시스템 등 모든 딥러닝 프로젝트
주요 딥러닝 프레임워크의 특징, 비교, 선택 가이드 제공
* Goal: 개발자가 프로젝트에 맞는 프레임워크를 선택할 수 있도록 정보 제공
* Scope: TensorFlow, PyTorch, Keras, MXNet, Caffe, Theano, CNTK 등 주요 프레임워크
* Non-goals: 프레임워크별 상세 API 문서화, 커스텀 프레임워크 개발 가이드
{| class="wikitable"
! Framework
! Developer
! Status
 
 
== Best Practices ==
 
* 최신 버전 사용 권장
* 공식 문서 참고
* 테스트 환경에서 먼저 검증
 
 
== References ==
 
* [https://wiki.hpcmate.com Deep Learning Frameworks]
 
 
== Related Pages ==
 
* [[Linux]]
* [[Server]]
* [[Hardware]]
* [[Network]]
 
 
[[Category:Server]]
== Knowledge Graph ==
 
Related
 
→ [[Linux]]
→ [[Server]]
→ [[Hardware]]
→ [[Network]]
 
[[Category:Reference]]

Latest revision as of 11:28, 17 July 2026

Template:Status

Template:TOC

Overview

Deep Learning Frameworks에 대한 기술 문서입니다.

Summary

  • 무엇인가? - Deep Learning Frameworks
  • 왜 필요한가? - HPC 및 서버 환경에서 필수 개념
  • 언제 사용하는가? - 서버 구성, 성능 튜닝, 문제 해결 시


Purpose

이 문서가 존재하는 이유

  • Goal: Deep Learning Frameworks에 대한 기술 정보 제공
  • Scope: Deep Learning Frameworks의 개념, 사용법, 설정
  • Non-goals: 다른 주제로의 확장


Key Concepts

Concept Description Related
Deep Learning Frameworks HPC/서버 환경에서 중요한 기술 개념 Linux, Server


Detailed Explanation

Deep Learning Frameworks

|status=Draft |owner=Knowledge Agent |last_update=2026-07-16 |review=Pending }} 딥러닝 모델을 설계, 훈련, 배포하기 위한 소프트웨어 라이브러리 및 프레임워크의 생태계.

  • 무엇인가? TensorFlow, PyTorch, Keras 등 딥러닝 모델 개발을 위한 프레임워크
  • 왜 필요한가? 복잡한 신경망 연산을 추상화하여 개발자가 모델에 집중할 수 있게 함
  • 언제 사용하는가? 이미지 인식, NLP, 추천 시스템 등 모든 딥러닝 프로젝트

주요 딥러닝 프레임워크의 특징, 비교, 선택 가이드 제공

  • Goal: 개발자가 프로젝트에 맞는 프레임워크를 선택할 수 있도록 정보 제공
  • Scope: TensorFlow, PyTorch, Keras, MXNet, Caffe, Theano, CNTK 등 주요 프레임워크
  • Non-goals: 프레임워크별 상세 API 문서화, 커스텀 프레임워크 개발 가이드
Framework Developer Status


Best Practices

  • 최신 버전 사용 권장
  • 공식 문서 참고
  • 테스트 환경에서 먼저 검증


References


Related Pages

Knowledge Graph

Related

→ Linux → Server → Hardware → Network

Retrieved from "http://wiki.hpcmate.com/index.php?title=Deep_Learning_Frameworks&oldid=3289"