這回我們?yōu)槟鷰?lái)了排名前16的開(kāi)源深度學(xué)習(xí)庫(kù)及平臺(tái)。其中，TensorFlow排在第一位，Keras和Caffe分列二、三名。
深度學(xué)習(xí)是基于數(shù)據(jù)表示法，屬于機(jī)器學(xué)習(xí)方法這個(gè)“大家庭”中一個(gè)不斷發(fā)展、日益流行的部分。相較于其他，它是一個(gè)全新的概念。巨大的人力物力需求可能會(huì)限制那些想進(jìn)入這個(gè)領(lǐng)域的人，或者是那些已經(jīng)進(jìn)入這個(gè)領(lǐng)域的人?？紤]到這種情況，在網(wǎng)上社區(qū)積極參與、討論開(kāi)放源項(xiàng)目是你不斷更新自我知識(shí)，了解發(fā)展趨勢(shì)最好的方法。
上圖顯示了在Gizub領(lǐng)域中由佼佼者和貢獻(xiàn)者組成的16家開(kāi)源深度學(xué)習(xí)庫(kù)的具體排名分布圖。圖中，圓圈的顏色表示創(chuàng)辦的時(shí)間。(越綠-創(chuàng)立時(shí)間越短，越藍(lán)-創(chuàng)立時(shí)間越長(zhǎng))。
可以看出，TensorFlow是無(wú)可爭(zhēng)議的領(lǐng)頭羊。同Keras、Caffe、Microsoft和PyTorch占據(jù)了前五名。
下面是完整的名單。并附有一個(gè)簡(jiǎn)短的介紹和進(jìn)一步的鏈接。我們希望您能通過(guò)下面的文章獲得進(jìn)一步學(xué)習(xí)。
1. TensorFlow最初是由谷歌機(jī)器智能化研究組織的研究人員和工程師為方便谷歌首腦團(tuán)隊(duì)工作而開(kāi)發(fā)的。該系統(tǒng)設(shè)計(jì)的初衷是為了便于對(duì)機(jī)器學(xué)習(xí)的研究，使其原型系統(tǒng)更加快速、方便的向生產(chǎn)系統(tǒng)過(guò)渡
網(wǎng)址：n.TensorFlow.
2. Keras是一個(gè)高級(jí)的神經(jīng)網(wǎng)絡(luò)API，用Python編寫(xiě)，能夠在TensorFlow、CNTK或Theano上運(yùn)行。
網(wǎng)址: Keras.
3. Caffe是一個(gè)深度的學(xué)習(xí)框架，其核心體現(xiàn)了表達(dá)、速度和模塊化的特性。它是由Berkeley Visionand Learning Center (簡(jiǎn)稱(chēng)BVLC)和貢獻(xiàn)者開(kāi)發(fā)的。
網(wǎng)址：n.Caffe.
4.Microsoft Cognitive Toolkit (前CNTK)是一個(gè)統(tǒng)一的深度學(xué)習(xí)工具平臺(tái)，它特點(diǎn)為用圖片將神經(jīng)網(wǎng)絡(luò)描述為一系列計(jì)算步驟。
網(wǎng)址：.Microsoft Cognitive Toolkit
5.PyTorch，通過(guò)張量和動(dòng)態(tài)神經(jīng)網(wǎng)絡(luò)在Python中具有很強(qiáng)的GPU加速效果。
網(wǎng)址:PyTorch
6.ApacheMXnet是一個(gè)為效率和靈活性而設(shè)計(jì)的深度學(xué)習(xí)框架。它允許您使用混合符號(hào)編程和命令式編程，以最大限度地提高您的效率。
網(wǎng)址:ApacheMXnet
7.DeepLearning4J是Skymind Intelligence Layer的一部分。當(dāng)然，ND4J、DataVec、Arcer和RL4J也是它的一部分。DeepLearning4J是Apache2.0許可的、可開(kāi)源的、分布式的神經(jīng)網(wǎng)絡(luò)庫(kù)，通常用用Java和Scala編寫(xiě)。
網(wǎng)址:DeepLearning4J
8.Theano使您可以通過(guò)Theano有效地定義、優(yōu)化和評(píng)估所涉及多維數(shù)組的數(shù)學(xué)表達(dá)式.不過(guò)，9月份，Theano宣布在1.0版本發(fā)布后，將不再進(jìn)一步的開(kāi)發(fā)。不過(guò)它仍然是一個(gè)非常強(qiáng)大的圖書(shū)館，您可以隨時(shí)用它進(jìn)行深入的學(xué)習(xí)研究。
網(wǎng)址:n.Theano
9.TFLearn是一個(gè)模塊化的、透明的、建立在TensorFlow之上的深度學(xué)習(xí)圖書(shū)館。它希望在完全透明,兼容的基礎(chǔ)上，為T(mén)ensorFlow提供更高級(jí)別的API，以方便推進(jìn)實(shí)驗(yàn)。
網(wǎng)址:TFLearn
10. Torch是Torch 7中的主要軟件包，它對(duì)多維張量的數(shù)據(jù)結(jié)構(gòu)和數(shù)學(xué)運(yùn)算有著明確的定義。此外，它還提供許多實(shí)用程序。比如用于訪問(wèn)文件、任意序列化類(lèi)型的對(duì)象和其他實(shí)用程序。
網(wǎng)址:Torch
11.Caffe2是一個(gè)輕量級(jí)、模塊化、可伸縮的深度學(xué)習(xí)框架。在原始Caffe的基礎(chǔ)上，Caffe2的設(shè)計(jì)考慮了表達(dá)、速度和模塊化等要素。
網(wǎng)址:Caffe2
12.PaddlePaddle.是一個(gè)易于使用的、高效靈活、可伸縮的深度學(xué)習(xí)平臺(tái)，最初是由百度的科學(xué)家和工程師為了將深度學(xué)習(xí)應(yīng)用于百度的產(chǎn)品而開(kāi)發(fā)的。
網(wǎng)址:PaddlePaddle
13.DLib是一個(gè)現(xiàn)代的C++工具包，包含機(jī)器學(xué)習(xí)算法和工具，用于在C++中創(chuàng)建復(fù)雜的軟件來(lái)解決現(xiàn)實(shí)世界的問(wèn)題。
網(wǎng)址:DLib
14:Chainer是一個(gè)基于Python的獨(dú)立開(kāi)源框架，用于深度學(xué)習(xí)模型。Chainer為人們提供了一種靈活、直觀和高性能的實(shí)現(xiàn)各種深度學(xué)習(xí)的思路。其中Chainer部分模型極其先進(jìn)。如遞歸神經(jīng)網(wǎng)絡(luò)和變分編碼器。
網(wǎng)址:Chainer
15.Neon是Nervana的基于Python的深度學(xué)習(xí)庫(kù)。它操作簡(jiǎn)單，又具有極高的性能體驗(yàn)。
網(wǎng)址:Neon
16.Lasagne是一個(gè)輕量級(jí)的庫(kù)，用于在Theano建立和訓(xùn)練神經(jīng)網(wǎng)絡(luò)。
網(wǎng)址:Lasagne
以上是我們所知的最優(yōu)秀的深度學(xué)習(xí)庫(kù)的列表。希望能對(duì)你有幫助
聯(lián)系客服
