深度学习工具
发布时间：2016-03-15 栏目：深度学习, 软件、框架及系统 评论：0 Comments
民意调查最流行的工具的结果显示如下：
- Pylearn2 (55 users)
- Theano (50)
- Caffe (29)
- Torch (27)
- Cuda-convnet (17)
- Deeplearning4j (12)
- Other Deep Learning Tools (106)
Theano＆Pylearn2：
http://vdumoulin.github.io/articles/extending-pylearn2/
Theano和Pylearn2都是在Montreal大学开发出来的，都是由Yoshua Bengio带领的大部分来自于LISA的开发人员参与研发。Theano是一个Python库，你也可以把它看成一个数学表达式编译器。这对于从零开始生成算法是有益的。这里是Theano培训的一个直观的例子。
如果我们要使用标准算法，我们可以写Pylearn2插件作为Theano表达式，并且Theano会优化和稳定这个表达式。它包括多层感知器/RBM/Stacked Denoting Autoencoder/ ConvNets所需的所有的东西。这里是一个快速入门教程来引导您完成Pylearn2的一些基本思路的学习。
Caffe:
Caffe是由Berkeley Vision and Learning Center开发的，由贾扬清创建，Evan Shelhamer带领完成。它是一种C ++中ConvNets的快速的和可读的实现。如图所示在其官方页面上， Caffe使用一个单一的NVIDIA GPU K40与AlexNet可以每天处理超过60M的图像。它是一个可用于图像分类的工具包，不擅长其他的深度学习应用程序，如文字或语音。
Torch & OverFeat:
http://torch.ch/
Lua Facebook AI是用Lua编写的，并且为 NYU，Facebook AI实验室和Google DeepMind Torch使用。它要求为机器学习算法提供一个类似于MATLAB的环境。为什么他们选择Lua/ LuaJIT而不是更流行的Python呢？他们在Torch7的说明中这样解释，“Lua容易和C结合，所以在几个小时内的工作中，任何C或C ++库都可以成为一个Lua库。”Lua是用纯ANSI C编写的，所以它可以很容易地编译任意目标。
OverFeat是一个在ImageNet数据集中使用Torch7训练的特征提取器，同样很容易入门。
Cuda:
毫无疑问，最近GPU加速了深度学习的研究。有关GPU的新闻尤其是NVIDIA CUDA遍及互联网。Cuda-convnet/CuDNN支持所有主流软件，例如Caffe，Torch和Theano，都是容易实现的。
Deeplearning4j:
不像上述工具是作为一种研究工具，Deeplearning4j为在商业环境中使用而设计。正如其介绍，DL4J是一种“基于Java的，聚焦工业，商业支持的，分布式的深度学习框架。”
对比
这些工具似乎在速度和易用性方面表示出友好的竞争性。
Caffe的开发者说，“Caffe是最快的可用的convnet实现工具。”
Torch7被证明在大多数基准中比Theano要快，如Torch7指南中所示。
Soumith给出了所有开源实现的convnet基准。
Caffe指南中列出了一些流行的深度学习工具的对照表。
有Reddit上有一个关于“最适合深度神经网络的框架”的讨论。 DL4J在其网站上也给出了DL4J vs. Torch vs. Theano vs. Caffe的比较。
留下评论
You must be logged in to post a comment.
