KDnuggets热门深度学习工具排行:Pylearn2 居首,Caffe第三
2016-06-15 00:00
465 查看
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(ArtificialIntelligence)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 (55users)
Theano (50)
Caffe (29)
Torch (27)
Cuda-convnet(17)
Deeplearning4j(12)
Other DeepLearning 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YoshuaBengio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BerkeleyVision 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GoogleDeepMind 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NVIDIACUDA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。
原文链接:Popular Deep Learning Tools – a review(翻译/王辉 责编/周建丁)
深度学习是现在人工智能(ArtificialIntelligence)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 (55users)
Theano (50)
Caffe (29)
Torch (27)
Cuda-convnet(17)
Deeplearning4j(12)
Other DeepLearning 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YoshuaBengio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BerkeleyVision 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GoogleDeepMind 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NVIDIACUDA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。
原文链接:Popular Deep Learning Tools – a review(翻译/王辉 责编/周建丁)
相关文章推荐
- java模式之Reactor
- springmvc mybatis 整合 bootstrap maven
- js实现选项卡切换效果
- js 类的简单实现与调用
- javascript使用正则控制input输入框允许输入的值方法大全
- tornadomail 发送html模板文件
- JS获取中文拼音首字母,并通过拼音首字母快速查找页面内的中文内容
- CSS3 transform 属性
- JavaScript:new 一个函数和直接调用函数的区别分析
- jquery validation用法
- angular 返回顶部
- Bootstrap File Input 多文件上传
- Bootstrap文件上传插件File Input的使用
- JQuery 淡入淡出3
- jstl标签库:choose、when、otherwise标签
- javascript 经典案例 全选 不选 反选
- JSTL标签库:set标签
- javascript 经典案例 面向对象的选项卡
- JQuery 淡入淡出1
- ajax jsp请求乱码