KDnuggets热门深度学习工具排行:Pylearn2 居首,Caffe第二

如今深度学习是AI和机器学习领域最热门的学习趋势。我们来审查为深度学习而开发的软件,包括Caffe,CUDA convnet,Deeplearning4j,Pylearn2,Theano和Torch。

深度学习是现在人工智能(Artificial Intelligence)和机器学习(Machine Learning)最热门的的趋势,每天的报刊都在报道令人惊异的新成就,比如在IQ测试中超越了人类(doing better than humans on IQ test)。

2015 KDnuggets Software Poll中添加了一个深度学习工具的新类别,民意调查最流行的工具的结果显示如下。

  • Pylearn2 (55 users)
  • Caffe (29)
  • Torch (27)
  • Cuda-convnet (17)
  • Deeplearning4j (12)
  • Other Deep Learning Tools (106)

我没有使用过所有的工具,所以这是基于这些流行工具的主页和教程的简要概述。

Theano&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:

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。


【预告】2015中国人工智能大会(CCAI 2015)将于7月26-27日在北京友谊宾馆召开。机器学习与模式识别、大数据的机遇与挑战、人工智能与认知科学、智能机器人四个主题专家云集。人工智能产品库将同步上线,预约咨询:QQ:1192936057。欢迎关注。

原文发布于微信公众号 - 人工智能头条(AI_Thinker)

原文发表时间:2015-07-08

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

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CVer

说两件事

虽然最近半个月CVer 依然保持每日推文,但原创的文章越来越少了。Amusi觉得一个公众号最基本的原则是输出优质内容,其次是保持原创。原创很重要,Amusi也很...

1563
来自专栏AI科技大本营的专栏

AI 技术讲座精选: 数学不好,也可以学习人工智能(二)

【AI100 导读】本系列文章将陆续向大家推荐一些数学用书,今天这篇文章有针对性的介绍了数学不好的人,究竟该怎样学习人工智能。 ? 如果你已经看过本系列的第一篇...

3676
来自专栏机器学习算法与Python学习

K-Means算法的10个有趣用例

源 | AI Zone K-means算法具有悠久的历史,并且也是最常用的聚类算法之一。K-means算法实施起来非常简单,因此,它非常适用于机器学习新手爱好者...

3206
来自专栏目标检测和深度学习

牛人教你高效读论文

1352
来自专栏量子位

Google大脑工程师详解:深度学习技术能带来哪些新产品?

量子位 | 李林 整理编译 提到深度学习,你可能会想到认猫、认脸,或者下围棋、翻译……其实,这项技术还能用在很多你意想不到的地方。 那么,“深度学习的最新进展能...

3387
来自专栏量子位

XNOR.ai要简化数学,让人工智能从云端走进普通设备

来源 | TechCrunch 编译 | 量子位 陈桦 与许多计算机概念类似,在讨论人工智能、机器学习或深度卷积网络时,人们关注的是数学。这些高性能网络的核心是...

23110
来自专栏机器之心

前沿 | DeepMind提出新型架构IMPALA:帮助实现单智能体的多任务强化学习

3248
来自专栏大数据文摘

利用Python进行深度学习的完整入门指南(附资源)

1886
来自专栏PPV课数据科学社区

【学习】 TensorFlow:最棒的深度学习加速器

TensorFlow没有改变世界。但是,它显然是最棒的,也是现有最便利的深度学习库。本文作者Zachary Chase Lipton是来自加利福尼亚大学计算机科...

2865
来自专栏PPV课数据科学社区

K-Means算法的10个有趣用例

K-means算法具有悠久的历史,并且也是最常用的聚类算法之一。K-means算法实施起来非常简单,因此,它非常适用于机器学习新手爱好者。首先我们来回顾K-Me...

3405

扫码关注云+社区