为何深度学习库如此庞大？

Question

我最近从PyPI下载了所有软件包。一个有趣的发现是，在前15名最大的软件包中，除一个是深度学习软件包外，所有其他软件包：

• mxnet：mxnet-cu90（600 MB），mxnet-cu92，mxnet-cu101mkl，mxnet-cu101（以及另外6个mxnet版本）
• cntk：cntk-gpu（493MB）
• H2O4GPU（366MB）
• tensorflow：tensorflow-gpu（357MB），tensorflow

我看着mxnet-cu90。它只有一个大文件：libmxnet.so（936.7MB）。该文件包含什么？有什么办法可以缩小尺寸？

我特别惊讶的是，那些库如此之大，以至于人们通常会在CUDA + cuDNN之上使用它们，我认为这样做会很繁重。

作为比较，我查看了相关的库，您还可以使用它们建立深度学习库：

• numpy：6MB
• 符号：6MB
• pycuda：3.6MB
• tensorflow-cpu：116MB（因​​此GPU版本需要多241 MB或大约3倍的大小！）

Answer 1

深度学习框架之所以庞大，是因为它们将NVIDIA的CuDNN打包到了自己的轮子上。这样做是为了方便下游用户。

CuDNN是框架调用以执行高度优化的神经网络操作（例如LSTM）的原语

用于Windows 10的CuDNN的解压缩版本为435MB。