Hiện nay, có rất nhiều thư viện chuyên dùng cho học sâu được được phát triển bởi các tập đoàn công nghệ và ứng dụng rất rộng rãi như Hình 2.10
Hình 2.10. Các thư viện học sâu được phát triển bởi các hãng công nghệ lớn [15]
Ngoài thư việ n Keras, TensorFlow được phát tri ể n Google, còn có các thư việ n khác . Thư viện Caffe2, Pytorch được phát tri ể n b ởi Facebook, CNTK được phát tri ể n b ở i Microsoft, Mxnet c ủa Amazon. Gluon là phát tri ể n v ớ i s ự kế t h ợp c ủa Microsoft và Amazon.
Các thư viện đều có thể kết hợp được với các framework khác nhau Mỗi framework đều hỗ trợ rất mạnh mẽ trong việc huấn luyện các mô hình nhận dạng trong Học sâu, cũng như có các điểm mạnh riêng phù hợp với các mục đích sử dụng khác nhau. Theano là một trong các framework Học sâu ra đời sớm nhất, là giải pháp tốt cho những người dùng muốn lập trình lại toàn bộ thuật toán, hoặc tinh chỉnh riêng một vài thành phần tối ưu tính toán để giải quyết cho các vấn đề riêng biệt. Theano đặc biệt phù hợp với các bài toán hoặc các hệ thống không có sự cài đặt, triển khai mạng huấn luyện theo một tiêu chuẩn cụ thể nào. Với framework Torch7, đây cũng là một framework ở mức cấp thấp (low-level) gần giống với Theano nhưng có cung cấp thêm một số thuật toán và logic cơ bản giúp người dùng giảm bớt việc lập trình toàn bộ thuật toán từ đầu, tuy nhiên nhược điểm của Torch7 chính là sự khó khăn trong việc tìm tài liệu hướng dẫn và tham chiếu. Caffe cũng là một trong những thư
viện được hỗ trợ phát triển bởi Facebook, cũng có một số ưu điểm nhất định như cho phép người dùng tùy chọn huấn luyện thuật toán Học sâu trên CPU hay trên card đồ họa GPU, tuy nhiên nó cũng có một số nhược điểm nhất định như vi ệc cài đặ t th ự c sự khó khăn, có rấ t nhi ề u phụ thu ộc ph ả i x ử lý…
M ỗi thư viện đều có đặc điểm riêng, có ưu điểm và nhược điể m khác nhau được người dùng s ử d ụng với các m ức độ khác nhau.
Hình 2.11. Các framework cho h ọc sâu [16]
Có th ể thấ y Tensorflow là m ột framework ph ổ biế n nh ấ t trong các framework đang được s ử dụng. Tuy nhiên Tensorflow khá khó cho người m ớ i s ử dụng, để bù đắp cho khó khăn đó việ c k ế t hợp giữa Tensorflow và Keras được người dùng ưu tiên sử d ụ ng v ới các lý do
- Keras ưu tiên trải nghiệm của người lập trình;
- Keras đã được sử dụng rộng rãi trong doanh nghiệp và cộng đồng nghiên cứu;
- Keras giúp dễ dàng biến các thiết kế thành sản phẩm; - Keras hỗ trợ huấn luyện trên nhiều GPU phân tán;
- Keras hỗ trợ đa backend engines và không giới hạn bạn vào một hệ sinh thái.
Qua quá trình tìm hiểu và so sánh tác giả đã lựa chọn Keras kết hợp với Tensorflow làm công cụ để triển khai ứng dụng với những ưu điểm của nó.