英文网站建设电话,唐山网站搭建,防城港网站设计,域名备案记录查询深度学习(DL, Deep Learning)是机器学习(ML, Machine Learning)领域中一个新的研究方向#xff0c;它被引入机器学习使其更接近于最初的目标——人工智能(AI, Artificial Intelligence)。 深度学习是学习样本数据的内在规律和表示层次#xff0c;这些学习过程中获得的信息对… 深度学习(DL, Deep Learning)是机器学习(ML, Machine Learning)领域中一个新的研究方向它被引入机器学习使其更接近于最初的目标——人工智能(AI, Artificial Intelligence)。 深度学习是学习样本数据的内在规律和表示层次这些学习过程中获得的信息对诸如文字图像和声音等数据的解释有很大的帮助。它的最终目标是让机器能够像人一样具有分析学习能力能够识别文字、图像和声音等数据。深度学习是一个复杂的机器学习算法在语音和图像识别方面取得的效果远远超过先前相关技术。 [1] 深度学习在搜索技术数据挖掘机器学习机器翻译自然语言处理多媒体学习语音推荐和个性化技术以及其他相关领域都取得了很多成果。深度学习使机器模仿视听和思考等人类的活动解决了很多复杂的模式识别难题使得人工智能相关技术取得了很大进步。 [1] 下表比较了用于深度学习的著名软件框架、库和计算机程序。 Deep-learning software by name 软件Apache MXNetApache SINGABigDLCaffe创建者Apache Software FoundationApache Software FoundationJason Dai (Intel)Berkeley Vision and Learning Center初始版本2015201520162013软件许可证Apache 2.0Apache 2.0Apache 2.0BSD开源YesYesYesYes平台Linux, macOS, Windows,[37][38] AWS, Android,[39] iOS, JavaScript[40]Linux, macOS, WindowsApache SparkLinux, macOS, Windows[2]编写语言Small C core libraryCScalaC接口C, Python, Julia, Matlab, JavaScript, Go, R, Scala, Perl, ClojurePython, C, JavaScala, PythonPython, MATLAB, COpenMP 支持YesNoYesOpenCL 支持On roadmap[41]Supported in V1.0Under development[3]CUDA 支持YesYesNoYes自动分化Yes[42]?Yes预训练模型Yes[43]YesYesYes[4]RNNYesYesYesYesCNNYesYesYesYesRBM/DBNsYesYesNo并行执行(多节点)Yes[44]Yes?积极发展YesNo[5]软件ChainerDeeplearning4jDlibFlux创建者Preferred NetworksSkymind engineering team; Deeplearning4j community; originally Adam GibsonDavis KingMike Innes初始版本2015201420022017软件许可证BSDApache 2.0Boost Software LicenseMIT license开源YesYesYesYes平台Linux, macOSLinux, macOS, Windows, Android (Cross-platform)Cross-platformLinux, MacOS, Windows (Cross-platform)编写语言PythonC, JavaCJulia接口PythonJava, Scala, Clojure, Python (Keras), KotlinCJuliaOpenMP 支持NoYesYesOpenCL 支持NoNo[7]NoCUDA 支持YesYes[8][9]YesYes自动分化YesComputational GraphYesYes预训练模型YesYes[10]YesYes[12]RNNYesYesNoYesCNNYesYesYesYesRBM/DBNsNoYesYesNo并行执行(多节点)YesYes[11]YesYes积极发展No[6]Yes软件 Intel Math Kernel Library KerasMATLAB Deep Learning ToolboxMicrosoft Cognitive Toolkit (CNTK)Neural Designer创建者IntelFrançois CholletMathWorksMicrosoft ResearchArtelnics初始版本20152016软件许可证ProprietaryMIT licenseProprietaryMIT license[26]Proprietary开源NoYesNoYesNo平台Linux, macOS, Windows on Intel CPU[14]Linux, macOS, WindowsLinux, macOS, WindowsWindows, Linux[27] (macOS via Docker on roadmap)Linux, macOS, Windows编写语言PythonC, C, Java, MATLABCC接口C[15]Python, RMATLABPython (Keras), C, Command line,[28] BrainScript[29] (.NET on roadmap[30])Graphical user interfaceOpenMP 支持Yes[16]Only if using Theano as backendNoYes[31]YesOpenCL 支持NoCan use Theano, Tensorflow or PlaidML as backendsNoNoNoCUDA 支持NoYesTrain with Parallel Computing Toolbox and generate CUDA code with GPU Coder[21]YesNo自动分化YesYesYes[22]Yes?预训练模型NoYes[18]Yes[23][24]Yes[32]?RNNYes[17]YesYes[23]Yes[33]NoCNNYes[17]YesYes[23]Yes[33]NoRBM/DBNsNo[19]YesNo[34]No并行执行(多节点)NoYes[20]With Parallel Computing Toolbox[25]Yes[35]?积极发展YesYesNo[36]软件OpenNNPlaidMLPyTorchTensorFlow创建者ArtelnicsVertex.AI,IntelAdam Paszke, Sam Gross, Soumith Chintala, Gregory Chanan (Facebook)Google Brain初始版本2003201720162015软件许可证GNU LGPLAGPLBSDApache 2.0开源YesYesYesYes平台Cross-platformLinux, macOS, WindowsLinux, macOS, WindowsLinux, macOS, Windows,[47] Android编写语言CPython, C, OpenCLPython, C, C, CUDAC, Python, CUDA接口CPython, CPython, C, JuliaPython (Keras), C/C, Java, Go, JavaScript, R,[48] Julia, SwiftOpenMP 支持Yes?YesNoOpenCL 支持NoSome OpenCL ICDs are not recognizedVia separately maintained package[45][46][46]On roadmap[49] but already with SYCL[50] supportCUDA 支持YesNoYesYes自动分化?YesYesYes[51]预训练模型?YesYesYes[52]RNNNoYesYesYesCNNNoYesYesYesRBM/DBNsNoYes并行执行(多节点)?YesYesYes积极发展YesYesYes软件TheanoTorchWolfram Mathematica创建者Université de MontréalRonan Collobert, Koray Kavukcuoglu, Clement FarabetWolfram Research初始版本200720021988软件许可证BSDBSDProprietary开源YesYesNo平台Cross-platformLinux, macOS, Windows,[58] Android,[59] iOSWindows, macOS, Linux, Cloud computing编写语言PythonC, LuaC, Wolfram Language, CUDA接口Python (Keras)Lua, LuaJIT,[60] C, utility library for C/OpenCL[61]Wolfram LanguageOpenMP 支持YesYesYesOpenCL 支持Under development[53]Third party implementations[62][63]NoCUDA 支持YesYes[64][65]Yes自动分化Yes[54][55]Through Twitters Autograd[66]Yes预训练模型Through Lasagnes model zoo[56]Yes[67]Yes[68]RNNYesYesYesCNNYesYesYesRBM/DBNsYesYesYes并行执行(多节点)Yes[57]Yes[58]Yes[69]积极发展NoNoYes ^许可证这里是一个摘要并不是完整的许可证声明。一些库可能在不同的许可证下在内部使用其他库 机器学习模型的兼容性比较 Format Name设计目标与其他格式比较 自包含 DNN 模型 预处理和后处理用于调整和校准的运行时配置款模型互连通用平台TensorFlow, Keras, Caffe, Torch, ONNX,算法训练No 没有/单 独的文件 在大多数格式 NoNoNoYesONNX算法训练Yes 没有/单 独的文件在大多数格式 NoNoNoYes本文「技术选型」深度学习软件如何选择https://architect.pub/wikipedia-comparison-deep-learning-software 谢谢大家关注转发点赞和点在看。
