招募同仁,重新做个新的深度学习框架
深度学习框架是实现物体分类、目标检测、场景理解和语义分割等AI功能的基础。无论是SSD、YOLO还是Faster-RCNN等常用深度学习网络都需要运行在学习框架基础上。
在深度学习框架中,较为常用的有,
1)CAFFE,最早由国人贾扬清(对,就是回国后在阿里作AI专家的那位)发起,很长时间内都是事实上的AI标准框架。虽然官网已经停更,但还有Intel等企业在维护和更新,国内早期的AI基本上都使用的这个框架,简洁,标准,命令行,很赞;
使用这个框架实现过裂缝和绝缘子检测,效果相当不错;
2)MXNET
是由上交大毕业的李沐主导开发的深度学习框架,分布式是其最大特色。也是很牛的一个框架。不过呢,有点儿坑的是,物体分类和目标检测等的配置文件不同,需要使用的数据集制作Python文件也不同,这也是被我淘汰的重要原因;
3)Tensorflow
长时间国内外深度学习事实上的标准,尤其是工业标准,也了不起。后来,API混乱了,不再考虑;
4)Pytorch
贾扬清继续开发的caffe2,合并后称为Pytorch,很不错,目前是学术界最常用的深度学习框架;
5)PaddlePaddle
俗称的飞桨,百度公司的深度学习框架,功能很强大,随带很多开源数据集和学习网络。虽然在Jetson NANO部署了不少应用,但还是不符合个人使用习惯。
本人和团队在Darknet深度学习框架上实现了很多人工智能应用。C语言设计、无依赖、多平台和多硬件运行和部署,尤其最感人的是其命令行,
./darknet detector train *.voc *.cfg
多么熟悉的cli啊,这也是我同样喜欢使用caffe的一大原因吧。
为避免被国外卡脖子和禁用,也为了继续使用自己喜欢的命令行,招募有兴趣和情怀的国内同仁,一起设计并实现一个新的深度学习框架~