流行的深度学习库

有这么多的深度学习库可供我们选择。

哪些是值得学习的、好的专业库,而哪些又是应该避免的边缘项目,我们应该如何区分。

在这篇文章中,你将会找到自己的深度学习项目中最该学习和使用的顶级深度学习库。

让我们开始吧。

由Nikki拍摄,保留部分权利。

概述

在这篇文章中,你将会了解到以下深度学习库。所有的开源项目都使用各种不同的许可证。

  • Theano
  • Torch
  • Caffe
  • DeepLearning4J

当然,还有许多其他优秀的库和平台。一些更多的佳作包括由谷歌开发 TensorFlow ,R语言的 Darch ,JavaScript 的 Convnet.js (用于学习),Julia 的 Mocha,有微软开发的 CNTKH2O 这种 Web API。

Theano

Theano 是由 LISA 小组(现在的 MILA )开发的一个 Python 框架,由蒙特利尔大学的 Yoshua Bengio 这位大牛来负责研究和开发最先进的深度学习算法。

最好将其描述成一个数学表达式的编译器,你可以在里面显式定义所需的内容,并且你的程序使用这个框架编译后,可以在GPU或CPU上很高效地运行。

这是一个不局限于深度学习的研究平台,所以你必须自己做很多工作来创建你想要的模型。例如,这里就没有神经网络相关的类。

不过,这里有一个很好的深度学习教程,会向你展示如何创建用于深度学习的类和函数。例如,它提供了分步示例来创建以下深度学习算法:

在线查看整个教程或下载PDF版本

Theano 真的是一个生态系统,事实上你不会直接使用 Theano 。在 Theano 之上建立了很多库,提供了很多包装后使用很方便的API。一些很受欢迎的项目如下:

这些正茁壮成长的项目,为底层的 Theano 平台提供了很多有用的API,大大加快了你将模型混合使用起来的速度。

如果你是一名 Python 开发人员,并对更广泛的深度学习或研究感兴趣,那么这就是你的平台。

资源

Torch

Torch(使用奇数版本号的话称为 Torch7)是由 Ronan CollobertClement FarabetKoray Kavukcuoglu 开发的一个Lua深度学习框架,用于深度学习算法的研究和开发。它被纽约大学-CILVR实验室使用和推广。

Torch 现在由 Facebook AI 实验室,Google DeepMind,Twitter和其他人使用与进一步开发。

Torch 底层利用 C / C ++ 库以及 CUDA 以达到 GPU 的良好效率。也是因为速度指标,它采用C语言友好的 Lua 来提供一个不太原始的界面。

Torch 的目标是在建立科学算法的同时,使整个过程变得非常简单,并且拥有最大的灵活性和速度

虽然有很多的文档,但都是一团糟。Torch 的常用于卷积神经网络的图像检测问题或者是更加复杂领域里深入强化学习的代理。

如果你主要对强化学习感兴趣,那么 Torch 可能就是你的平台。

资源

Caffe

Caffe 是一个 Python 深度学习库,由伯克利视觉和学习中心的 Yangqing Jia 为计算机视觉监督问题而开发。

它主要关注的是卷积神经网络,而在这方面可能是世界领先的。

这个库的一个很大的好处就是可以从 Caffe Model Zoo 下载的一定数量的预训练网络,然后可以立即投入使用。这里面还包括最先进的模型,可以让你在标准计算机视觉数据集上得到世界级结果。

而且这里还有一些世界一流模型的教程:

如果你主要关注卷积神经网络和图像问题,Caffe可能是你的平台。

资源

DeepLearning4J

DeepLearning4J(简称DL4J)是由 Adam Gibson 由Java(以及JVM语言)开发的深度学习框架,用于商业的深度学习项目。

DL4J是基于JVM的,以行业为中心并提供商业支持的分布式深度学习框架,旨在在合理的时间内解决涉及大量数据的问题

DeepLearning4J 是一个平滑的平台,它提供了一套先进的深度学习算法,不仅限于:

  • 深度信仰网络
  • 多层降噪自动编码机
  • 卷积神经网络
  • LSTM
  • 循环神经网络

而且平台的文档相当不错,涵盖了一系列的主题,包括算法本身的一些理论知识以及对应的代码示例。

因为背后有作为主流业务软件开发的整个Java生态系统(包括JVM上的其他语言(例如Scala)以及大数据平台(Hadoop和Spark))做支撑,它具有无可比拟的优势。

资源

深度学习工具综述

很多人对深入学习的库和工具都有一个大概的了解。本节列出了一些这些综述和其他资源,你可以尽情地使用这些资源来探索深入学习。

综述

在这篇文章中,你将学习到最受欢迎的深度学习工具和库。

具体来说,你了解了:

  • Theano
  • Torch
  • Caffe
  • DeepLearning4J

本文的版权归 CJ 所有,如需转载请联系作者。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏数据科学与人工智能

【算法】推荐算法--协同过滤

协同过滤推荐(Collaborative Filtering recommendation)是在信息过滤和信息系统中正迅速成为一项很受欢迎的技术。与传统的基于内...

1561
来自专栏机器之心

学界 | DeepMind论文三连发:如何在仿真环境中生成灵活行为

选自DeepMind 机器之心编译 参与:smith、黄小天、路雪 一只猴子在树林之间敏捷而灵活地跳跃穿梭,或者一名足球运动员快速带球过人、劲射得分,这些表现皆...

3446
来自专栏机器之心

业界 | 对比了六家计算机视觉API,发现最好的竟然是...

选自free Code Camp 作者:Mariya Yao 机器之心编译 参与:蒋思源、刘晓坤 本文通过吉娃娃与松饼的图像对比了流行的六大计算机视觉API,...

3726
来自专栏数据科学与人工智能

【机器学习】机器学习工作职位需要的7项技能

机器学习经常与人工智能紧密相连,在不考虑显式编程的情况下,机器学习可以使计算机具备完成特定任务的能力,例如识别,诊断,规划,机器人控制和预测等。它往往聚焦于算法...

2479
来自专栏CSDN技术头条

深度学习成长的烦恼

本文为CSDN原创编译文章,禁止转载。 【编者按】深度学习尽管对当前人工智能的发展作用很大,然而深度学习工作者并非一帆风顺。Chris Edwards发表于Co...

1866
来自专栏人工智能头条

深度学习成长的烦恼

1121
来自专栏AI科技评论

开发 | OpenAI提出层级强化学习,给长序列动作学习带来新的曙光

AI科技评论按:强化学习是学到一个策略解决智能体与环境间互动问题的重要学习范式。不过以往的强化学习过程都常常很低效,在复杂环境中往往难以收敛。这一方面由于简单的...

3175
来自专栏AI研习社

5 年提速 500 倍,英伟达 GPU 创纪录突破与技术有哪些?

AI 研习社按,2017 年 5 月,在 GTC 2017 上,英伟达 CEO 黄仁勋发布 Volta 架构 Tesla V100,它被称为史上最快 GPU 加...

1094
来自专栏携程技术中心

深度学习系列 | 知识库上的问答系统:实体、文本及系统观点

编者:本文来自复旦大学博士崔万云在携程技术中心主办的深度学习Meetup上的主题演讲,分享了复旦大学研发的基于知识图谱的QA系统。戳上面的“携程技术中心”(ct...

4566
来自专栏AI研习社

如何用深度学习推荐电影?教你做自己的推荐系统!

简介 几乎所有人都喜欢与家人、朋友一起观看电影度过闲暇时光。大家可能都有过这样的体验:本想在接下来的两个小时里看一个电影,却坐在沙发上坐了20分钟不知道看什...

4196

扫码关注云+社区

领取腾讯云代金券