[인공지능] 인공지능 라이브러리 정리

 

MATLAB을 제외하고 인공지능 툴을 쓸 수 있는 환경은 대부분 파이썬이다. 그런데 파이썬만 있다고 끝나는 것이 아니라 인공지능 라이브러리를 동반해야 한다.

 

나는 Tensorflow2, Keras, PyTorch, JAX 까지 다 써보고 현재는 Julia도 고려하는 중이다. (Tensorflow1은 써봤는데 불편하기도 하고 그 때는 2가 막 활발해지던 시점이라서 그냥 넘겼다.)

 

철저히 개인적인 경험을 바탕으로 작성하는 것이라서 연구 쪽에 초점이 맞춰져있고, 그걸 감안하고 보면 될 것이다.

혹시 실무를 하시는 분들이 있으면 본인의 경험을 공유해주시면 정말 좋을 것 같다.

 

아래가 내용을 정리한 표

 

	Tensorflow	Keras	PyTorch	JAX	Julia
특징	Google에서 시작	프랑소와 숄레가 창시한 언어	객체지향형 프로그래밍 방식 페이스북에서 시작	Google에서 시작한 함수형 프로그래밍 방식	MIT에서 만든 함수형 프로그래밍 언어
장점	-(version2로 넘어오면서) 구현 난이도가 낮아 쉽게 인공지능 구현 가능 -이용자가 많아 자료도 많음 (여러 교육자료에서 대부분 쓰이는 라이브러리)	-수많은 함수를 제공해줌으로써 구현 난이도가 낮아 쉽게 인공지능 구현 가능 -Keras와 Tensorflow가 서로 연동되면서 구현하기가 훨씬 좋아짐	-객체지향 프로그래밍 덕분에 자율성이 높아 연구 코드에 많이 활용됨 -다른 연구자들도 많이 사용하는 방식이어서 깃헙에서 가져와 쓰기 좋음	-압도적으로 빠른 학습 속도 -Numpy와 바로 호환되므로 번거롭지 않음 -직접 만든 알고리즘을 테스트하기 좋음	-아직 안 써봐서 모름
단점	- 케라스와 마찬가지로 직접 만든 알고리즘을 구현하기에는 아쉬움이 있음	- 본인이 직접 알고리즘을 만들어서 구현하기가 까다로운 편	-tensor라는 데이터 형식을 사용하기 때문에 numpy array와 전환할 때 따로 처리해야함 -객체지향 프로그래밍이 익숙하지 않으면 구현 난이도가 높음	-Linux에서만 제공함 (2023.08 기준) / 윈도우에서 쓰려면 우회방법을 사용 -새로운 코드 방식이므로 구현할 때 어려움 -빠른 속도를 위해 GPU 메모리를 모두 잡아먹음	-아직 안 써봐서 모름 -이용자가 적어서 자료가 적음
책 / 공부자료	머신러닝 교과서 with 파이썬, 사이킷런, 텐서플로	케라스 창시자에게 배우는 딥러닝, 프랑소와 숄레 지음, 길벗 출판사	PyTorch 공식홈페이지 tutorial	JAX 공식 문서 tutorial	권창현 교수님의 책