deep-learning - flax (google) 和 dm-haiku (deepmind) 之间的主要区别是什么？

Question

亚麻和dm-haiku之间的主要区别是什么？

从他们的描述中：

• Flax，一个用于 JAX 的神经网络库
• Haiku，受 Sonnet 启发的 JAX 神经网络库

问题：

我应该选择哪个基于 jax 的库来实现，比如说DeepSpeech模型（由 CNN 层 + LSTM 层 + FC 组成）和 ctc-loss？

---

升级版。

从 dm-haiku 的开发者那里找到了关于差异的解释：

Flax 包含更多的电池，并带有优化器、混合精度和一些训练循环（我听说这些是解耦的，你可以根据需要使用多少）。Haiku 旨在解决 NN 模块和状态管理，它将问题的其他部分留给其他库（例如用于优化的 optax）。

Haiku 被设计为将 Sonnet（一个 TF NN 库）移植到 JAX。因此，如果（像 DeepMind）你有大量的 Sonnet+TF 代码，你可能想在 JAX 中使用并且你希望迁移该代码（在任一方向）尽可能容易，那么 Haiku 是一个更好的选择。

我认为否则归结为个人喜好。在 Alphabet 中，每个图书馆都有 100 名研究人员使用，所以我认为无论哪种方式都不会出错。在 DeepMind，我们对 Haiku 进行了标准化，因为它对我们有意义。我建议查看两个库提供的示例代码，看看哪些符合您对结构化实验的偏好。我想你会发现，如果你以后改变主意，将代码从一个库移动到另一个库并不是很复杂。

---

原来的问题仍然相关。

标签： deep-learningneural-networkjax

Answer 1

我最近遇到了同样的问题，我更喜欢 Haiku，因为我认为它们的实现（参见Flax Dense()与Haiku Linear()）更接近原始 JAX 精神（即链接init和predict函数并在 Pytrees 中跟踪参数）让我更容易修改东西。

但如果你不想深入修改，最好的选择方法是找到一篇关于 CNNs + LSTMs with Flax/Haiku 的不错的博客文章并坚持下去。我的普遍看法是，即使我更喜欢更模块化的 Haiku (+ Optax + Rlax + Chex + ...) 构建方式，这两个库也非常接近。