Порівняння програмного забезпечення глибокого навчання — Вікіпедія

У наступній таблиці зведені відомості про деякі з найпопулярніших програмних каркасів, бібліотек та комп'ютерних програм для глибокого навчання.

Перелік програмного забезпечення глибокого навчання

[ред. | ред. код]
Назва Розробник Ліцензія[a] Відкрите Платформа Мова Інтерфейс Підтримка OpenMP Підтримка OpenCL Підтримка CUDA Авто диферн­ціювання Містить треновані моделі Рекурентні мережі Згорткові мережі ОМБ/ГМП Паралельне виконання (багато­вузлове)
Apache Singa[en] Apache Software Foundation Apache 2.0 Так Linux, Mac OS X, Windows C++ Python, C++, Java Ні Так Так ? Так Так Так Так Так
Caffe Berkeley Vision and Learning Center Ліцензія BSD Так Linux, Mac OS X, Windows[1] C++ Python, MATLAB Так В розробці[2] Так Так Так[3] Так Так Ні ?
Deeplearning4j Інженерна команда Skymind; спільнота Deeplearning4j; первинно — Адам Ґібсон (англ. Adam Gibson) Apache 2.0 Так Linux, Mac OS X, Windows, Android (багатоплатформне) Java Java, Scala, Clojure, Python (Keras) Так В планах[4] Так[5] Обчислювальний граф Так[6] Так Так Так Так[7]
Dlib Девіс Кінг Ліцензія Boost Так багатоплатформне C++ C++ Так Ні Так Так Так Ні Так Так Так
Keras Франсуа Шоллє Ліцензія MIT Так Linux, Mac OS X, Windows Python Python Через Theano В стадії розробки через Theano і в планах через TensorFlow Так Так Так[8] Так Так Так Так[9]
Microsoft Cognitive Toolkit Microsoft Research Ліцензія MIT[10] Так Windows, Linux[11] (OSX в планах через Docker) C++ Python, C++, командний рядок,[12] BrainScript[13] (.NET в планах[14]) Так[15] Ні Так Так Так[16] Так[17] Так[17] Ні[18] Так[19]
MXNet Distributed (Deep) Machine Learning Community Apache 2.0 Так Linux, Mac OS X, Windows,[20][21] AWS, Android,[22] iOS, JavaScript[23] невелика коренева бібліотека C++ C++, Python, Julia, Matlab, JavaScript, Go, R, Scala, Perl Так В планах[24] Так Так[25] Так[26] Так Так Так Так[27]
Neural Designer[en] Artelnics власницька Ні Linux, Mac OS X, Windows C++ Графічний інтерфейс користувача Так Ні Ні ? ? Ні Ні Ні ?
N2D2 CEA CeCILL[en] Так Linux, Windows Python, C, C++, CUDA Python, C++ Так Так Так Так Так Ні Так Ні Так
OpenNN[en] Artelnics GNU LGPL Так багатоплатформне C++ C++ Так Ні Ні ? ? Ні Ні Ні ?
TensorFlow Команда Google Brain Apache 2.0 Так Linux, Mac OS X, Windows[28] C++, Python Python, C/C++, Java, Go Ні В планах[29][30] Так Так[31] Так[32] Так Так Так Так
Theano Монреальський університет Ліцензія BSD Так багатоплатформне Python Python Так В розробці[33] Так Так[34][35] Через зоопарк моделей Lasagne[36] Так Так Так Так[37]
Torch Ронан Коллобер, Корай Кавукчоглу, Клемент Фарабет Ліцензія BSD Так Linux, Mac OS X, Windows,[38] Android,[39] iOS C, Lua Lua, LuaJIT,[40] C, бібліотека утиліт для C++/OpenCL[41] Так Сторонні реалізації[42][43] Так[44][45] Через Autograd Твіттера[46] Так[47] Так Так Так Так[48]
Mathematica Wolfram Research власницька Ні Windows, Mac OS X, Linux, Хмарні обчислення C++ командний рядок, Java, C++ Ні Так Так Так Так[49] Так Так Так Так
  1. ↑ Ліцензії тут є спрощеними, і не претендують на вичерпність ліцензійних умов. Деякі бібліотеки можуть внутрішньо використовувати інші бібліотеки за відмінними ліцензіями

Пов'язане програмне забезпечення

[ред. | ред. код]
  • Neural Engineering Object[en] (NENGO) — графічне та сценарійне програмне забезпечення для імітування великомасштабних нейронних систем
  • Numenta Platform for Intelligent Computing (платформа Numenta для розумних обчислень) — відкрита реалізація компанією Numenta їхньої моделі ієрархічної часової пам'яті.

Див. також

[ред. | ред. код]

Примітки

[ред. | ред. код]
  1. ↑ Microsoft/caffe. GitHub. (англ.)
  2. ↑ OpenCL Caffe. (англ.)
  3. ↑ Caffe Model Zoo. (англ.)
  4. ↑ Support for Open CL · Issue #27 · deeplearning4j/nd4j. GitHub. (англ.)
  5. ↑ N-Dimensional Scientific Computing for Java. Архів оригіналу за 16 жовтня 2016. Процитовано 16 травня 2017. (англ.)
  6. ↑ Chris Nicholson; Adam Gibson. Deeplearning4j Models. Архів оригіналу за 11 лютого 2017. Процитовано 16 травня 2017. (англ.)
  7. ↑ Deeplearning4j. Deeplearning4j on Spark. Deeplearning4j. Архів оригіналу за 13 липня 2017. Процитовано 16 травня 2017. (англ.)
  8. ↑ Keras Documentatin // Applications (англ.)
  9. ↑ Does Keras support using multiple GPUs? · Issue #2436 · fchollet/keras (англ.)
  10. ↑ CNTK/LICENSE.md at master · Microsoft/CNTK · GitHub. GitHub. (англ.)
  11. ↑ Setup CNTK on your machine. GitHub. (англ.)
  12. ↑ CNTK usage overview. GitHub. (англ.)
  13. ↑ BrainScript Network Builder. GitHub. (англ.)
  14. ↑ .NET Support · Issue #960 · Microsoft/CNTK. GitHub. (англ.)
  15. ↑ How to train a model using multiple machines? · Issue #59 · Microsoft/CNTK. GitHub. (англ.)
  16. ↑ https://github.com/Microsoft/CNTK/issues/140#issuecomment-186466820 (англ.)
  17. ↑ а б CNTK - Computational Network Toolkit. Microsoft Corporation. (англ.)
  18. ↑ url=https://github.com/Microsoft/CNTK/issues/534 (англ.)
  19. ↑ Multiple GPUs and machines. Microsoft Corporation. (англ.)
  20. ↑ Releases · dmlc/mxnet. Github. (англ.)
  21. ↑ Installation Guide — mxnet documentation. Readthdocs. (англ.)
  22. ↑ MXNet Smart Device. ReadTheDocs. (англ.)
  23. ↑ MXNet.js. Github. (англ.)
  24. ↑ Support for other Device Types, OpenCL AMD GPU · Issue #621 · dmlc/mxnet. GitHub. (англ.)
  25. ↑ http://mxnet.readthedocs.io/[недоступне посилання] (англ.)
  26. ↑ Model Gallery. GitHub. (англ.)
  27. ↑ Run MXNet on Multiple CPU/GPUs with Data Parallel. GitHub. (англ.)
  28. ↑ TensorFlow 0.12 adds support for Windows (англ.)
  29. ↑ tensorflow/roadmap.md at master · tensorflow/tensorflow · GitHub. GitHub.[недоступне посилання з квітня 2019] (англ.)
  30. ↑ OpenCL support · Issue #22 · tensorflow/tensorflow. GitHub. (англ.)
  31. ↑ https://www.tensorflow.org/ (англ.)
  32. ↑ https://github.com/tensorflow/models (англ.)
  33. ↑ Using the GPU — Theano 0.8.2 documentation. Архів оригіналу за 1 квітня 2017. Процитовано 16 травня 2017. (англ.)
  34. ↑ http://deeplearning.net/software/theano/library/gradient.html (англ.)
  35. ↑ https://groups.google.com/d/msg/theano-users/mln5g2IuBSU/gespG36Lf_QJ (англ.)
  36. ↑ Recipes/modelzoo at master · Lasagne/Recipes · GitHub. GitHub. (англ.)
  37. ↑ Using multiple GPUs — Theano 0.8.2 documentation [Архівовано 2017-05-04 у Wayback Machine.] (англ.)
  38. ↑ https://github.com/torch/torch7/wiki/Windows (англ.)
  39. ↑ GitHub - soumith/torch-android: Torch-7 for Android. GitHub. (англ.)
  40. ↑ Torch7: A Matlab-like Environment for Machine Learning (PDF). (англ.)
  41. ↑ GitHub - jonathantompson/jtorch: An OpenCL Torch Utility Library. GitHub. (англ.)
  42. ↑ Cheatsheet. GitHub. (англ.)
  43. ↑ cltorch. GitHub. (англ.)
  44. ↑ Torch CUDA backend. GitHub. (англ.)
  45. ↑ Torch CUDA backend for nn. GitHub. (англ.)
  46. ↑ https://github.com/twitter/torch-autograd (англ.)
  47. ↑ ModelZoo. GitHub. (англ.)
  48. ↑ https://github.com/torch/torch7/wiki/Cheatsheet#distributed-computing--parallel-processing (англ.)
  49. ↑ http://blog.stephenwolfram.com/2017/03/the-rd-pipeline-continues-launching-version-11-1/ (англ.)
Отримано з https://uk.wikipedia.org/w/index.php?title=Порівняння_програмного_забезпечення_глибокого_навчання&oldid=41468783