各種編程語言的深度學習庫整理

各種編程語言的深度學習庫整理

小編有話說

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!

Python

1.Theano是一個python類庫,用數組向量來定義和計算數學表達式。它使得在Python環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、高度模塊化的神經網路庫,它的設計參考了Torch,用Python語言編寫,支持調用GPU和CPU優化後的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。它的功能庫都是基於Theano之上。

  3).Lasagne是一個搭建和訓練神經網路的輕量級封裝庫,基於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也是一個基於Theano的幫助搭建神經網路的框架。

2.Caffe是深度學習的框架,它注重於代碼的表達形式、運算速度以及模塊化程度。它是由伯克利視覺和學習中心(BerkeleyVisionandLearningCenter,BVLC)以及社區成員共同開發。Google的DeepDream項目就是基於Caffe框架完成。這個框架是使用BSD許可證的C++庫,並提供了Python調用接口。

3.nolearn囊括了大量的現有神經網路函數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,採用高效的算法來處理大規模文本數據。

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是基於GPU的深度學習算法函數庫,使用Python語言開發,做到了前饋神經網路(FNN)、受限玻爾茲曼機(RBM)、深度信念網路(DBN)、自編碼器(AE)、深度玻爾茲曼機(DBM)和卷積神經網路(CNN)等算法。

7.Hebel也是深度學習和神經網路的一個Python庫,它通過pyCUDA控制支持CUDA的GPU加速。它做到了最重要的幾類神經網路模型,提供了多種激活函數和模型訓練方法,例如momentum、Nesterovmomentum、dropout、和earlystopping等方法。

8.CXXNET是一個基於MShadow開發的快速、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神經網路工具箱,提供友好的Python/Matlab接口來進行訓練和預測。

9.DeepPy是基於NumPy的深度學習框架。

10.DeepLearning是一個用C++和Python共同開發的深度學習函數庫。

11.Neon是NervanaSystem的深度學習框架,使用Python開發。

Matlab

1.ConvNet卷積神經網路是一類深度學習分類算法,它可以從原始數據中自主學習有用的特徵,通過調節權重值來做到。

2.DeepLearnToolBox是用於深度學習的Matlab/Octave工具箱,它包含深度信念網路(DBN)、棧式自編碼器(stackedAE)、卷積神經網路(CNN)等算法。

3.cuda-convet是一套卷積神經網路(CNN)代碼,也適用於前饋神經網路,使用C++/CUDA進行運算。它能對任意深度的多層神經網路建模。只要是有向無環圖的網路結構都可以。訓練過程採用反向傳播算法(BP算法)。

4.MatConvNet是一個面向計算機視覺應用的卷積神經網路(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YannLeCun主導的紐約大學機器學習實驗室開發。它用基於能量的模型做到卷積神經網路,並提供可視化交互界面(GUI)、示例以及示範教程。

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

3.NVIDIADIGITS是用於開發、訓練和可視化深度神經網路的一套新系統。它把深度學習的強大功能用瀏覽器界面呈現出來,使得數據科學家和研究員可以實時地可視化神經網路行為,快速地設計出最適合數據的深度神經網路。

4.Intel®DeepLearningFramework提供了Intel®平台加速深度卷積神經網路的一個統一平台。

Java

1.N-DimensionalArraysforJava(ND4J)是JVM平台的科學計算函數庫。它主要用於產品中,也就是說函數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環境下使用,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、人工神經網路、遺傳編程、貝葉斯網路、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完成訓練深度學習模型(主要是神經網路)的封裝庫。不需要其它軟體,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是一款廣泛適用於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,底層是C/CUDA做到。Torch基於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。Mocha中通用隨機梯度求解程序和通用模塊的高效做到,可以用來訓練深度/淺層(卷積)神經網路,可以通過(棧式)自編碼器配合非監督式預訓練(可選)完成。它的優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(LispUniversalShell)是一種面向對象的編程語言,面向對大規模數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庫,其中包含豐富的深度學習庫。

Haskell

1.DNNGraph是Haskell用於深度神經網路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。它是產品級的完整框架,用於計算機視覺、計算機音頻、信號處理和統計應用領域。

R

1.darch包可以用來生成多層神經網路(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做到了許多深度學習框架和神經網路算法,包括反向傳播(BP)、受限玻爾茲曼機(RBM)、深度信念網路(DBP)、深度自編碼器(Deepautoencoder)等等。

譯者簡介:趙屹華,計算廣告工程師@搜狗,前生物醫學工程師,關注推薦算法、機器學習領域。

各種編程語言的深度學習庫整理

以下文章點擊文字直接進入:

1、Android apk防止反編譯技術第一篇-加殼技術

2、每位Android開發人員不容錯過的十大應用工具

3、如果讓我重新設計一款Android APP

4、如何快速掌握一門新技術/語言/框架

5、Android酷炫實用的開源框架(UI框架)

6、Google將不再支持Android Eclipse Tools

7、Android終於官方支持按百分比來設置空間的寬高了

8、最全最強解析:支付寶錢包系統架構內部剖析(架構圖)

9、【源碼】jiandan煎蛋—高仿也如此的專業

10、2015中國工程師生存報告,你苦你先看

11、如何給你的Android安裝文件(APK)瘦身

12、Android Studio的一些小技巧

13、Android圖標解決匯總

各種編程語言的深度學習庫整理

閱讀原文


關於作者:
分享互聯網世界所有有價值的消息

微信號:apkbus

推薦閱讀:

》生不出男孩被婆家逼走,獨自養兩個女兒流落街頭,如今她是身價60億的水餃皇后!

》她是中國史上最強女海盜,讓多少洋人感受過被她支配的恐懼!