中文字幕日韩一区二区不卡,亚洲av永久无码精品天堂动漫,亚洲av无码国产精品麻豆天美,最新版天堂中文在线,中文字幕视频在线看

a&s專業(yè)的自動化&安全生態(tài)服務平臺
公眾號
安全自動化

安全自動化

安防知識網(wǎng)

安防知識網(wǎng)

手機站
手機站

手機站

大安防供需平臺
大安防供需平臺

大安防供需平臺

資訊頻道橫幅A1
首頁 > 資訊 > 正文

各種編程語言的深度學習庫整理

本文總結了Python、Matlab、CPP、Java、JavaScript、Lua、Julia、Lisp、Haskell、.NET、R等語言的深度學習庫,趕緊收藏吧!
資訊頻道文章B

  Python

  1. Theano是一個python類庫,用數(shù)組向量來定義和計算數(shù)學表達式。它使得在Python環(huán)境下編寫深度學習算法變得簡單。在它基礎之上還搭建了許多類庫。

  1).Keras是一個簡潔、高度模塊化的神經(jīng)網(wǎng)絡庫,它的設計參考了Torch,用Python語言編寫,支持調用GPU和CPU優(yōu)化后的Theano運算。

  2).Pylearn2是一個集成大量深度學習常見模型和訓練算法的庫,如隨機梯度下降等。它的功能庫都是基于Theano之上。

  3).Lasagne是一個搭建和訓練神經(jīng)網(wǎng)絡的輕量級封裝庫,基于Theano。它遵循簡潔化、透明化、模塊化、實用化和專一化的原則。

  4).Blocks也是一個基于Theano的幫助搭建神經(jīng)網(wǎng)絡的框架。

  2. Caffe是深度學習的框架,它注重于代碼的表達形式、運算速度以及模塊化程度。它是由伯克利視覺和學習中心(Berkeley Vision and Learning Center, BVLC)以及社區(qū)成員共同開發(fā)。谷歌的DeepDream項目就是基于Caffe框架完成。這個框架是使用BSD許可證的C++庫,并提供了Python調用接口。

  3. nolearn囊括了大量的現(xiàn)有神經(jīng)網(wǎng)絡函數(shù)庫的封裝和抽象接口、大名鼎鼎的Lasagne以及一些機器學習的常用模塊。

  4. Genism也是一個用Python編寫的深度學習小工具,采用高效的算法來處理大規(guī)模文本數(shù)據(jù)。

  5. Chainer在深度學習的理論算法和實際應用之間架起一座橋梁。它的特點是強大、靈活、直觀,被認為是深度學習的靈活框架。

  6. deepnet是基于GPU的深度學習算法函數(shù)庫,使用Python語言開發(fā),實現(xiàn)了前饋神經(jīng)網(wǎng)絡(FNN)、受限玻爾茲曼機(RBM)、深度信念網(wǎng)絡(DBN)、自編碼器(AE)、深度玻爾茲曼機(DBM)和卷積神經(jīng)網(wǎng)絡(CNN)等算法。

  7. Hebel也是深度學習和神經(jīng)網(wǎng)絡的一個Python庫,它通過pyCUDA控制支持CUDA的GPU加速。它實現(xiàn)了最重要的幾類神經(jīng)網(wǎng)絡模型,提供了多種激活函數(shù)和模型訓練方法,例如momentum、Nesterov momentum、dropout、和early stopping等方法。

  8. CXXNET是一個基于MShadow開發(fā)的快速、簡潔的分布式深度學習框架。它是一個輕量級、易擴展的C++/CUDA神經(jīng)網(wǎng)絡工具箱,提供友好的Python/Matlab接口來進行訓練和預測。

  9. DeepPy是基于NumPy的深度學習框架。

  10. DeepLearning是一個用C++和Python共同開發(fā)的深度學習函數(shù)庫。

  11. Neon是Nervana System 的深度學習框架,使用Python開發(fā)。

  Matlab

  1. ConvNet 卷積神經(jīng)網(wǎng)絡是一類深度學習分類算法,它可以從原始數(shù)據(jù)中自主學習有用的特征,通過調節(jié)權重值來實現(xiàn)。

  2. DeepLearnToolBox是用于深度學習的Matlab/Octave工具箱,它包含深度信念網(wǎng)絡(DBN)、棧式自編碼器(stacked AE)、卷積神經(jīng)網(wǎng)絡(CNN)等算法。

  3. cuda-convet是一套卷積神經(jīng)網(wǎng)絡(CNN)代碼,也適用于前饋神經(jīng)網(wǎng)絡,使用C++/CUDA進行運算。它能對任意深度的多層神經(jīng)網(wǎng)絡建模。只要是有向無環(huán)圖的網(wǎng)絡結構都可以。訓練過程采用反向傳播算法(BP算法)。

  4. MatConvNet是一個面向計算機視覺應用的卷積神經(jīng)網(wǎng)絡(CNN)Matlab工具箱。它簡單高效,能夠運行和學習最先進的機器學習算法。

  CPP

  1. eblearn是開源的機器學習C++封裝庫,由Yann LeCun主導的紐約大學機器學習實驗室開發(fā)。它用基于能量的模型實現(xiàn)卷積神經(jīng)網(wǎng)絡,并提供可視化交互界面(GUI)、示例以及示范教程。

  2. SINGA是Apache軟件基金會支持的一個項目,它的設計目標是在現(xiàn)有系統(tǒng)上提供通用的分布式模型訓練算法。

  3. NVIDIA DIGITS是用于開發(fā)、訓練和可視化深度神經(jīng)網(wǎng)絡的一套新系統(tǒng)。它把深度學習的強大功能用瀏覽器界面呈現(xiàn)出來,使得數(shù)據(jù)科學家和研究員可以實時地可視化神經(jīng)網(wǎng)絡行為,快速地設計出最適合數(shù)據(jù)的深度神經(jīng)網(wǎng)絡。

  4. Intel® Deep Learning Framework提供了Intel®平臺加速深度卷積神經(jīng)網(wǎng)絡的一個統(tǒng)一平臺。

  Java

  1. N-Dimensional Arrays for Java (ND4J) 是JVM平臺的科學計算函數(shù)庫。它主要用于產(chǎn)品中,也就是說函數(shù)的設計需求是運算速度快、存儲空間最省。

  2. Deeplearning4j 是第一款商業(yè)級別的開源分布式深度學習類庫,用Java和Scala編寫。它的設計目的是為了在商業(yè)環(huán)境下使用,而不是作為一款研究工具。

  3. Encog是一個機器學習的高級框架,涵蓋支持向量機、人工神經(jīng)網(wǎng)絡、遺傳編程、貝葉斯網(wǎng)絡、隱馬可夫模型等,也支持遺傳算法。

  JavaScript

  1. Convnet.js 由JavaScript編寫,是一個完全在瀏覽器內(nèi)完成訓練深度學習模型(主要是神經(jīng)網(wǎng)絡)的封裝庫。不需要其它軟件,不需要編譯器,不需要安裝包,不需要GPU,甚至不費吹灰之力。

  Lua

  1. Torch是一款廣泛適用于各種機器學習算法的科學計算框架。它使用容易,用快速的腳本語言LuaJit開發(fā),底層是C/CUDA實現(xiàn)。Torch基于Lua編程語言。

  Julia

  1. Mocha是Julia的深度學習框架,受C++框架Caffe的啟發(fā)。Mocha中通用隨機梯度求解程序和通用模塊的高效實現(xiàn),可以用來訓練深度/淺層(卷積)神經(jīng)網(wǎng)絡,可以通過(棧式)自編碼器配合非監(jiān)督式預訓練(可選)完成。它的優(yōu)勢特性包括模塊化結構、提供上層接口,可能還有速度、兼容性等更多特性。

  Lisp

  1. Lush(Lisp Universal Shell)是一種面向對象的編程語言,面向對大規(guī)模數(shù)值和圖形應用感興趣的廣大研究員、實驗員和工程師們。它擁有機器學習的函數(shù)庫,其中包含豐富的深度學習庫。

  Haskell

  1. DNNGraph是Haskell用于深度神經(jīng)網(wǎng)絡模型生成的領域特定語言(DSL)。

  .NET

  1. Accord.NET 是完全用C#編寫的.NET機器學習框架,包括音頻和圖像處理的類庫。它是產(chǎn)品級的完整框架,用于計算機視覺、計算機音頻、信號處理和統(tǒng)計應用領域。

  R

  1. darch包可以用來生成多層神經(jīng)網(wǎng)絡(深度結構)。訓練的方法包括了對比散度的預訓練和眾所周知的訓練算法(如反向傳播法或共軛梯度法)的細調。

  2. deepnet實現(xiàn)了許多深度學習框架和神經(jīng)網(wǎng)絡算法,包括反向傳播(BP)、受限玻爾茲曼機(RBM)、深度信念網(wǎng)絡(DBP)、深度自編碼器(Deep autoencoder)等等。

 

參與評論
回復:
0/300
文明上網(wǎng)理性發(fā)言,評論區(qū)僅供其表達個人看法,并不表明a&s觀點。
0
關于我們

a&s傳媒是全球知名展覽公司法蘭克福展覽集團旗下的專業(yè)媒體平臺,自1994年品牌成立以來,一直專注于安全&自動化產(chǎn)業(yè)前沿產(chǎn)品、技術及市場趨勢的專業(yè)媒體傳播和品牌服務。從安全管理到產(chǎn)業(yè)數(shù)字化,a&s傳媒擁有首屈一指的國際行業(yè)展覽會資源以及豐富的媒體經(jīng)驗,提供媒體、活動、展會等整合營銷服務。

免責聲明:本站所使用的字體和圖片文字等素材部分來源于互聯(lián)網(wǎng)共享平臺。如使用任何字體和圖片文字有冒犯其版權所有方的,皆為無意。如您是字體廠商、圖片文字廠商等版權方,且不允許本站使用您的字體和圖片文字等素材,請聯(lián)系我們,本站核實后將立即刪除!任何版權方從未通知聯(lián)系本站管理者停止使用,并索要賠償或上訴法院的,均視為新型網(wǎng)絡碰瓷及敲詐勒索,將不予任何的法律和經(jīng)濟賠償!敬請諒解!
? 2024 - 2030 Messe Frankfurt (Shenzhen) Co., Ltd, All rights reserved.
法蘭克福展覽(深圳)有限公司版權所有 粵ICP備12072668號 粵公網(wǎng)安備 44030402000264號
用戶
反饋