精华内容
下载资源
问答
  • MATLAB Coder:trade_mark:从MATLAB:registered:代码为桌面系统到嵌入式硬件的各种硬件平台生成C和C ++代码。 它支持大多数MATLAB语言... 用于深度学习库的MATLAB Coder接口为生成的代码提供了调用特定于目标的优化库的
  • GPU Coder:trade_mark: 能够为深度学习、嵌入式视觉和自主系统生成优化的 C++ 代码。 生成的代码调用: • 优化的 NVIDIA CUDA 库,可用于所有 NVIDIA GPU 平台上的原型... 深度学习库的 GPU 编码器接口提供了通过利
  • Gluon 深度学习库

    2020-09-24 07:32:44
  • pydeep:Python 深度学习库
  • 纯C深度学习库

    2018-02-12 20:09:29
    纯C深度学习库,采用VS2010编译,里面包含训练数据MNIST,点击就能生成,包括训练和预测,另外送一个C读取图片的文件,有必要自己改写代码
  • 全C的深度学习库,有了他,妈妈再也不用担心我的CNN学习了。
  • 适用于TensorFlow的Swift深度学习库适用于TensorFlow的Swift深度学习库体验面向协议的可区分编程。 该存储库托管Swift for TensorFlow的深度学习库,既可以作为Swift for TensorFlow工具链的一部分,也可以作为Swift...
  • (Python)同态加密深度学习库
  • hebel:GPU 加速的深度学习库
  • Chainer Chemistry:生物化学深度学习库
  • Python机器学习库和深度学习库总结[转载] 1. Scikit-learn(重点推荐) www.github.com/scikit-learn/scikit-learn Scikit-learn 是基于Scipy为机器学习建造的的一个Python模块,他的特色就是多样化的分类,回归...

    Python机器学习库和深度学习库总结[转载]

    1. Scikit-learn(重点推荐)

    www.github.com/scikit-learn/scikit-learn

    Scikit-learn 是基于Scipy为机器学习建造的的一个Python模块,他的特色就是多样化的分类,回归和聚类的算法包括支持向量机,逻辑回归,朴素贝叶斯分类器,随机森林,Gradient Boosting,聚类算法和DBSCAN。而且也设计出了Python numerical和scientific libraries Numpy and Scipy

     

    2、Keras(深度学习)

    https://github.com/fchollet/keras

    Keras是基于Theano的一个深度学习框架,它的设计参考了Torch,用Python语言编写,是一个高度模块化的神经网络库,支持GPU和CPU。

     

    3、Lasagne(深度学习)

    不只是一个美味的意大利菜,也是一个和Keras有着相似功能的深度学习库,但其在设计上与它们有些不同。

     

    4.Pylearn2

    www.github.com/lisa-lab/pylearn2

    Pylearn是一个让机器学习研究简单化的基于Theano的库程序。它把深度学习和人工智能研究许多常用的模型以及训练算法封装成一个单一的实验包,如随机梯度下降。

     

    5.NuPIC

    www.github.com/numenta/nupic

    NuPIC是一个以HTM学习算法为工具的机器智能平台。HTM是皮层的精确计算方法。HTM的核心是基于时间的持续学习算法和储存和撤销的时空模式。NuPIC适合于各种各样的问题,尤其是检测异常和预测的流数据来源。

     

    6. Nilearn

    www.github.com/nilearn/nilearn

    Nilearn 是一个能够快速统计学习神经影像数据的Python模块。它利用Python语言中的scikit-learn 工具箱和一些进行预测建模,分类,解码,连通性分析的应用程序来进行多元的统计。

     

    7.PyBrain

    www.github.com/pybrain/pybrain

    Pybrain是基于Python语言强化学习,人工智能,神经网络库的简称。 它的目标是提供灵活、容易使用并且强大的机器学习算法和进行各种各样的预定义的环境中测试来比较你的算法。

     

    8.Pattern

    www.github.com/clips/pattern

    Pattern 是Python语言下的一个网络挖掘模块。它为数据挖掘,自然语言处理,网络分析和机器学习提供工具。它支持向量空间模型、聚类、支持向量机和感知机并且用KNN分类法进行分类。

     

    9.Fuel

    www.github.com/mila-udem/fuel

    Fuel为你的机器学习模型提供数据。他有一个共享如MNIST, CIFAR-10 (图片数据集), Google's One Billion Words (文字)这类数据集的接口。你使用他来通过很多种的方式来替代自己的数据。

     

    10.Bob

    www.github.com/idiap/bob

    Bob是一个免费的信号处理和机器学习的工具。它的工具箱是用Python和C++语言共同编写的,它的设计目的是变得更加高效并且减少开发时间,它是由处理图像工具,音频和视频处理、机器学习和模式识别的大量软件包构成的。

     

    11.Skdata

    www.github.com/jaberg/skdata

    Skdata是机器学习和统计的数据集的库程序。这个模块对于玩具问题,流行的计算机视觉和自然语言的数据集提供标准的Python语言的使用。

     

    12.MILK

    www.github.com/luispedro/milk

    MILK是Python语言下的机器学习工具包。它主要是在很多可得到的分类比如SVMS,K-NN,随机森林,决策树中使用监督分类法。 它还执行特征选择。 这些分类器在许多方面相结合,可以形成不同的例如无监督学习、密切关系金传播和由MILK支持的K-means聚类等分类系统。

     

    13.IEPY

    www.github.com/machinalis/iepy

    IEPY是一个专注于关系抽取的开源性信息抽取工具。它主要针对的是需要对大型数据集进行信息提取的用户和想要尝试新的算法的科学家。

     

    14.Quepy

    www.github.com/machinalis/quepy

    Quepy是通过改变自然语言问题从而在数据库查询语言中进行查询的一个Python框架。他可以简单的被定义为在自然语言和数据库查询中不同类型的问题。所以,你不用编码就可以建立你自己的一个用自然语言进入你的数据库的系统。

    现在Quepy提供对于Sparql和MQL查询语言的支持。并且计划将它延伸到其他的数据库查询语言。

     

    15.Hebel

    www.github.com/hannes-brt/hebel

    Hebel是在Python语言中对于神经网络的深度学习的一个库程序,它使用的是通过PyCUDA来进行GPU和CUDA的加速。它是最重要的神经网络模型的类型的工具而且能提供一些不同的活动函数的激活功能,例如动力,涅斯捷罗夫动力,信号丢失和停止法。

     

    16.mlxtend

    www.github.com/rasbt/mlxtend

    它是一个由有用的工具和日常数据科学任务的扩展组成的一个库程序。

     

    17.nolearn

    www.github.com/dnouri/nolearn

    这个程序包容纳了大量能对你完成机器学习任务有帮助的实用程序模块。其中大量的模块和scikit-learn一起工作,其它的通常更有用。

     

    18.Ramp

    www.github.com/kvh/ramp

    Ramp是一个在Python语言下制定机器学习中加快原型设计的解决方案的库程序。他是一个轻型的pandas-based机器学习中可插入的框架,它现存的Python语言下的机器学习和统计工具(比如scikit-learn,rpy2等)Ramp提供了一个简单的声明性语法探索功能从而能够快速有效地实施算法和转换。

     

    19.Feature Forge

    www.github.com/machinalis/featureforge

    这一系列工具通过与scikit-learn兼容的API,来创建和测试机器学习功能。

    这个库程序提供了一组工具,它会让你在许多机器学习程序使用中很受用。当你使用scikit-learn这个工具时,你会感觉到受到了很大的帮助。(虽然这只能在你有不同的算法时起作用。)

     

    20.REP

    www.github.com/yandex/rep

    REP是以一种和谐、可再生的方式为指挥数据移动驱动所提供的一种环境。

    它有一个统一的分类器包装来提供各种各样的操作,例如TMVA, Sklearn, XGBoost, uBoost等等。并且它可以在一个群体以平行的方式训练分类器。同时它也提供了一个交互式的情节。

     

    21.Python 学习机器样品

    www.github.com/awslabs/machine-learning-samples

    用亚马逊的机器学习建造的简单软件收集。

     

    22.Python-ELM

    www.github.com/dclambert/Python-ELM

    这是一个在Python语言下基于scikit-learn的极端学习机器的实现。

    23.gensim

    主题模型python实现

    • Scalable statistical semantics
    • Analyze plain-text documents for semantic structure
    • Retrieve semantically similar documents

     

    转载地址:http://www.cnblogs.com/data2value/p/5419927.html

    展开全文
  • windows系统的caffe深度学习库
  • Deep-C:C语言的深度学习库 Deep-C是C的开源深度学习库。它目前处于预Alpha阶段。 几年之内将会取得进展。 图书馆 感知器 激活 神经网络 mnist 等等。 安装Deep-C (not ready yet) 引文 Deep-C仍处于测试前阶段...
  • 深度学习库 深度学习的概念源于人工神经网络的研究。含多隐层的多层感知器就是一种深度学习结构。深度学习通过组合低层特征形成更加抽象的高层表示属性类别或特征,以发现数据的分布式特征表示。 [1] 深度学习的...
  • 一篇经典的介绍深度学习库theano的论文
  • Rubix ML:PHP的机器学习一个用于PHP语言的高级机器学习和深度学习库。 开发人员友好的API易于使用且令人愉悦模块化体系结构结合了功能,灵活性和Rubix ML:PHP的机器学习一个适用于PHP语言的高级机器学习和深度学习...
  • fast.ai深度学习库,课程和教程
  • 主要介绍了13个最常用的Python深度学习库介绍,具有一定参考价值,需要的朋友可以参考下。
  • TensorFlow深度学习库的Swift 尝试一下面向协议的微分编程。 该存储库托管的深度学习库,既可以作为Swift for TensorFlow工具链的一部分,也可以作为Swift软件包使用。 用法 该库已到Swift for TensorFlow工具链中...
  • 13 个最常用的 Python 深度学习库介绍 如果你对深度学习和卷积神经网络感兴趣 但是并不知道从哪里开始 也不知道使用哪 种库那么这里就为你提供了许多帮助 在这篇文章里我详细解读了 9 个我最喜欢的 Python 深度学习...
  • 深度学习库比较

    2017-04-16 22:41:30
    深度学习库比较 库名 主语言 从语言 速度 灵活性 文档 适合模型 平台 上手难易 开发者 模式 Tensorflo C++ cuda/python 中等 好


     

    深度学习库比较

    库名 主语言 从语言 速度 灵活性 文档 适合模型 平台 上手难易 开发者 模式
    Tensorflo C++ cuda/python 中等 中等 CNN/RNN Linux,OSX Google 分布式/声明式
    Caffe C++ cuda/python/Matlab 一般 全面 CNN 所有系统 中等 贾杨清 声明式
    PyTorc python C/C++ 中等 中等 - -- 中等 FaceBook  
    MXNet c++ cuda/R/julia 全面 CNN 所有系统 中等 李沐和陈天奇等 分布式/声明式/命令式
    Torch lua C/cuda 全面 CNN/RNN Linux,OSX 中等 Facebook 命令式
    Theano python c++/cuda 中等 中等 CNN/RNN Linux, OSX 蒙特利尔理工学院 命令式
     

    1.TensorFlow 的优点是:

     
    1. 它有一个直观的结构 ,顾名思义它有 “张量流”,你可以轻松地可视每个图中的每一个部分。
    2. 轻松地在 cpu / gpu 上进行分布式计算
    3. 平台的灵活性 。可以随时随地运行模型,无论是在移动端、服务器还是 PC 上。
     

    1.1 TensorFlow 的限制

     
    1. 尽管 TensorFlow 是强大的,它仍然是一个低水平库,例如,它可以被认为是机器级语言,但对于大多数功能,您需要自己去模块化和高级接口,如 keras
    2. 它仍然在继续开发和维护,这是多么
    展开全文
  • conx:基于Keras面向“Simple Folk”的深度学习库
  • 小狗 带有 numpy API 的多 GPU 深度学习库
  • 机器学习和深度学习库速查表Numpy库Pandas ScipyMatplotlibScikit LearnKerasNeural Networks Zoo

    ###机器学习和深度学习库速查表
    ##Numpy库
    这里写图片描述
    ##Pandas
    这里写图片描述
    这里写图片描述
    这里写图片描述
    ##Scipy
    这里写图片描述
    ##Matplotlib
    这里写图片描述
    ##Scikit Learn
    这里写图片描述
    ##Keras
    这里写图片描述
    ##Neural Networks Zoo
    这里写图片描述

    展开全文
  • Keras是一个强大的、易于使用的深度学习库,无缝对接Theano 和 TensorFlow,同时提供高层神经网络API,来建立和评估深度学习模型。Keras入门例子:K...
  • TorchPredictor一个在C 11中的深度学习库
  • 深度学习库能做什么? GPU加速 import torch import time print(torch.__version__) print(torch.cuda.is_available()) a = torch.randn(10000, 1000) # 随机生成服从正态分布10000行x1000列的张量 b = torch....
  • deeppipe2:使用GPU(CUDAcuBLAS)的深度学习库
  • deep-diamond:快速的Clojure张量和深度学习库

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 11,622
精华内容 4,648
关键字:

深度学习库