2019-09-08 16:05:21 qq_42198024 阅读数 45
  • 深度学习Caffe框架入门视频课程

    购买课程后,可扫码进入学习群,获取唐宇迪老师答疑 深度学习框架caffe入门,详解网络配置中每一个层的结构和参数项,对于超参数配置文件详解每一个参数的含义以及选择策略。对于数据源实例演示了两种常用的数据源LMDB和HDF5格式。课程涉及许多caffe框架的小技巧如绘制网络图和loss曲线,自定义python层等。希望大家通过学习可以熟练使用caffe去训练网络完成各自的任务。

    20548 人正在学习 去看看 唐宇迪

                            常用深度学习框架介绍

名称

介绍

时间

Theano

第一个有较大影晌力的Python深度学习框架

2008年开始 开发于加拿大蒙特利尔大学LISA实验室

Keras

Keras是一个离层神经网络API, 由纯Python编写而成并使用 TensorFlow、 Theano及CNTK作为后端。

Keras为支持快速实验而生, 能够把想法迅速转换为结果。 Keras应该是深度学习框架之中最容易上 手的一个,它提供了一致而简洁的API, 能够极大地减少一般应用下用 户的工作量,避免用户玺鲤造轮子。

2015年6月13日,为初始版本

主要开发者是谷歌工程师François Chollet

 

Caffe

Caffe的优点是简洁快速,缺点是缺少灵活性。不同千Keras因 为太多的封装导致灵活性丧失, Caffe灵活性的缺失主要是因为它的设计。在Caffe中最主要的抽象对象是层,每实现一个新的层,必须要利用C+ +实现它的前向传播和反向传播代码,而如果想要新层运行在 GPU上,还需要同时利用CUDA实现这—层的前向传播和反向传播。这 种限制使俜不熟悉C++和CUDA的用户扩展Caffe十分困难。

贾扬清在加州大学伯克利分校攻读博士期间创建了Caffe项目

2017年4月,Facebook发布Caffe2,加入了递归神经网络等新功能。

2018年3月底,Caffe2并入PyTorch。

TensorFlow

 

如今用户最多的深度学习框架

2015年11月10日, Google宣布推出开源

PyTorch

pytorch和TensorFlow的一点区别,那就是pytorch是一个动态的框架,而TensorFlow是一个静态的框架。(可以更改计算图)

2017年1月, Facebook开源

MXNet

MXNe是一个深度学习库,支持C+ +、 Python、 R、 Scala、丿ulia、 MATLAB及javaScript等语言

最开始,同为上海交大校友的陈天奇李沐碰头 ,号召大 家—起合作开发MXNet

2016年11月, MXNet被AWS阳艾选择为其云十算的 官方深度学习平台。

2017年1月, MXNe顷目进入Apache基金会,成 为Apache的孵化器项目。 

2019-12-13 18:07:03 ZXY115019 阅读数 315
  • 深度学习Caffe框架入门视频课程

    购买课程后,可扫码进入学习群,获取唐宇迪老师答疑 深度学习框架caffe入门,详解网络配置中每一个层的结构和参数项,对于超参数配置文件详解每一个参数的含义以及选择策略。对于数据源实例演示了两种常用的数据源LMDB和HDF5格式。课程涉及许多caffe框架的小技巧如绘制网络图和loss曲线,自定义python层等。希望大家通过学习可以熟练使用caffe去训练网络完成各自的任务。

    20548 人正在学习 去看看 唐宇迪

    在深度学习技术日益成熟的今天,深度学习框架作为起到支撑作用的基础性平台,也逐渐走向成熟。目前我们常用的深度学习框架由tensorflow、Caffe和Pytorch等,这些框架各有优劣,下面是我对常用的7个深度学习框架做的简单梳理。目前百度开发的深度学习开发框架PaddlePaddle经过一段时间的技术积累,也开始逐渐走向成熟,大家可以持续关注。

          除了深度学习框架外,另外一个非常重要的概念是深度学习架构,目前深度学习架构主要有RNN、LSTM、CNN、DBN和DSN五种,其中文名称和主要应用介绍如下:

 

 

2017-12-09 20:46:44 Cancelllll 阅读数 140
  • 深度学习Caffe框架入门视频课程

    购买课程后,可扫码进入学习群,获取唐宇迪老师答疑 深度学习框架caffe入门,详解网络配置中每一个层的结构和参数项,对于超参数配置文件详解每一个参数的含义以及选择策略。对于数据源实例演示了两种常用的数据源LMDB和HDF5格式。课程涉及许多caffe框架的小技巧如绘制网络图和loss曲线,自定义python层等。希望大家通过学习可以熟练使用caffe去训练网络完成各自的任务。

    20548 人正在学习 去看看 唐宇迪

深度学习常用函数


numpy.pad

numpy.pad(array, pad_width, mode, **kwargs)
- array: 需要填补的数组
- pad_width: n维下before和after的pad数
- mode: 常用constant_values = (x,y)

numpy.squeeze

numpy.squeeze(a, axis=None)[source]

to be continued


2017-11-06 22:27:46 colourful_sky 阅读数 1567
  • 深度学习Caffe框架入门视频课程

    购买课程后,可扫码进入学习群,获取唐宇迪老师答疑 深度学习框架caffe入门,详解网络配置中每一个层的结构和参数项,对于超参数配置文件详解每一个参数的含义以及选择策略。对于数据源实例演示了两种常用的数据源LMDB和HDF5格式。课程涉及许多caffe框架的小技巧如绘制网络图和loss曲线,自定义python层等。希望大家通过学习可以熟练使用caffe去训练网络完成各自的任务。

    20548 人正在学习 去看看 唐宇迪

  

由于实验室项目需要,接下来的一段甚至更长的时间,需要将深度学习相关的东西应用到项目当中去。需要用到深度学习相关的知识,自然是选择一款适合自己的深度学习框架是再好不过的。现在将最受欢迎的几款深度学习框架简介列在下面以备后续参考:


1. TensorFlow(star: 75993)

 TensorFlow是一个使用数据流图进行数值计算的开源软件库。 图节点表示数学运算,而图边表示在它们之间流动的多维数据阵列(张量)。 这种灵活的架构允许您在不重写代码的情况下将计算部署到桌面,服务器或移动设备中的一个或多个CPU或GPU。 TensorFlow还包括数据可视化工具包TensorBoard。
 TensorFlow 最初由Google大脑小组(隶属于Google机器智能研究机构)的研究员和工程师们开发出来,用于机器学习和深度神经网络方面的研究,但这个系统的通用性使其也可广泛用于其他计算领域。

 TensorFlow在很多地方可以应用,如语音识别,自然语言理解,计算机视觉,广告等等。

 TensorFlow官网:https://www.tensorflow.org/
 TensorFlow中文社区:http://www.tensorfly.cn/
 GitHub站点:https://github.com/tensorflow/tensorflow


2. keras(star : 21262)

 Keras是一个高层神经网络API,Keras由纯Python编写而成并基Tensorflow、Theano以及CNTK后端。Keras 为支持快速实验而生,能够把你的idea迅速转换为结果,如果你有如下需求,请选择Keras:
 

  • 简易和快速的原型设计(keras具有高度模块化,极简,和可扩充特性)
  •  
  • 支持CNN和RNN,或二者的结合
  •  
  • 无缝CPU和GPU切换

 keras官方文档:https://keras.io/
 keras中文文档:http://keras-cn.readthedocs.io/en/latest/
 GitHub站点:https://github.com/fchollet/keras

3. Caffe(star:21064)

 Caffe是一个清晰,可读性高,快速的深度学习框架。 它由伯克利人工智能研究(BAIR)/伯克利视觉和学习中心(BVLC)和社区贡献者开发。主要作者是贾扬清,加州大学伯克利的ph.D,现就职于Facebook。
 Caffe是纯粹的C++/CUDA架构,支持命令行、Python和MATLAB接口;可以在CPU和GPU直接无缝切换

 Caffe官网:http://caffe.berkeleyvision.org/
 Caffe中文社区:http://www.caffecn.cn/
 GitHub站点:https://github.com/BVLC/caffe


4. Caffe2(star:6187)

 Caffe2是一个轻量级,模块化,可扩展的深度学习框架。 在原来的Caffe的基础上,Caffe2的设计思想是表达,速度和模块化。
 
 Caffe2官网 https://caffe2.ai/
 Caffe中文社区:http://www.caffecn.cn/
 GitHub站点:https://github.com/caffe2/caffe2


5. CNTK(star:12942)

 微软认知工具包–CNTK–是微软统一的深度学习工具包。
 CNTK提供Python,C#或C ++接口,也可以通过自己的模型描述语言(BrainScript)作为独立的机器学习工具使用。 另外,您可以使用Java程序中的CNTK模型评估功能。
 
 CNTK官网:https://www.microsoft.com/en-us/cognitive-toolkit/
 GitHub站点:https://github.com/Microsoft/CNTK


6. pytorch(star:8826)

 PyTorch是一个把Python放在首位的深度学习框架。PyTorch不是Python绑定到一个单一的C ++框架。 它被构建为深入Python的集成。
 
 pytorch官网:http://pytorch.org/
 pytorch中文社区:https://ptorch.com/
 pytorch中文文档:http://pytorch-cn.readthedocs.io/zh/latest/
 中文论坛:https://discuss.ptorch.com/
 GitHub站点:https://github.com/pytorch/pytorch


7. torch7(star:7419)

 Torch是Torch7中的主要软件包,其中定义了多维张量的数据结构和数学运算。 此外,它提供了许多用于访问文件的实用程序,序列化任意类型的对象和其他有用的实用程序。
 Torch是一个科学的计算框架,广泛支持GPU首先使用的机器学习算法。 由于使用了简单快捷的脚本语言LuaJIT以及基础的C / CUDA实现,使用起来非常简单,效率也很高。
 
 Torch官网:http://torch.ch/
 GitHub站点:https://github.com/torch/torch7


8. deeplearning4j(star:7581)

 Deeplearning4j是为Java和Scala编写的第一个商业级开源分布式深度学习库。 与Hadoop和Spark集成,DL4J被设计用于分布式GPU和CPU的商业环境。
 
 deeplearning4j官网:https://deeplearning4j.org/
 GitHub站点:https://github.com/deeplearning4j/deeplearning4j


9. Theano(star:7250)

 Theano是一个Python库,它允许你定义、优化和求值数学表达式,特别是具有多维数组(numpy.ndarray)的数学表达式。对于涉及大量数据的问题,使用Theano可以获得与手工编写的C实现不相上下的速度。它还可以通过利用最近的GPU超过CPU上的C多个数量级。
 
 Theano官网:http://www.deeplearning.net/software/theano/
 GitHub站点:https://github.com/Theano/Theano
 中文文档:http://blog.csdn.net/wizardforcel/article/details/55001236


10. incubator-mxnet(star:11890)

 Apache MXNet是一个灵活而高效的深度学习库。
 轻便,便携,灵活的分布式/移动深度学习与动态,突变感知数据流调度; 对于Python,R,Julia,Scala,Go,Javascript等等。
 
 MXNet官网:http://mxnet.incubator.apache.org/
 GitHub站点:https://github.com/apache/incubator-mxnet
 中文文档博客:http://blog.csdn.net/daslab/article/details/50434145


11. deeppy(star:1173)

 DeepPy是建立在NumPy之上的深度学习框架。
 
 DeepPy官网:http://andersbll.github.io/deeppy-website/
 GitHub站点:https://github.com/andersbll/deeppy



 以上就是常用的一些深度学习框架,当然还有许多其他优秀的深度学习框架,这里没有列出来,后面用到了再讨论。。

参考:
DeepLearningStars:https://github.com/hunkim/DeepLearningStars#top-deep-learning-projects
https://www.jiqizhixin.com/articles/2016-08-10-2
http://www.dlworld.cn/YeJieDongTai/5479.html
深度学习框架比较:https://deeplearning4j.org/cn/compare-dl4j-torch7-pylearn
深度学习框架汇总:http://blog.csdn.net/wzz18191171661/article/details/70313426
深度学习的几种库:http://blog.csdn.net/u013066730/article/details/51538983

常用深度学习网站

阅读数 668

没有更多推荐了,返回首页