本文主要是介绍基于spark相关的DeepLearning选择，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
背景：TensorFlow性能差强人意，但DeepLearning领域优势，spark则反之。TensorFlow训练好的模型在spark中调用各种小问题不断。
基于spark相关的DeepLearning大致看了下面这些，各有优缺点：
elephas：参考：https://github.com/maxpumperla/elephas
dist-keras：参考：https://github.com/cerndb/dist-keras
sparknet：低活跃，https://github.com/amplab/sparknet
dl4j：没有内置推荐相关算法支持，https://github.com/deeplearning4j/dl4j-spark-ml 或 https://github.com/eclipse/deeplearning4j-examples
TensorFlowOnSpark：活跃度低，https://github.com/yahoo/TensorFlowOnSpark
spark-deep-learning：有点慢，只支持Python，https://github.com/databricks/spark-deep-learning
H2O：一般吧，https://github.com/h2oai/sparkling-water/tree/master/
analytics-zoo：不支持Windows，但自带NCF等算法，支持TensorFlow，https://github.com/intel-analytics/analytics-zoo
BigDL：进度、活跃度还行，不支持TensorFlow、kreas，自带算法：LeNet/Inception/VGG/ResNet/RNN/自动编码器，https://github.com/intel-analytics/BigDL
这篇关于基于spark相关的DeepLearning选择的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
