打印

深度学习

[复制链接]
1180|1
手机看帖
扫描二维码
随时随地手机跟帖
跳转到指定楼层
楼主
gaoyang9992006|  楼主 | 2018-4-29 08:52 | 只看该作者 回帖奖励 |倒序浏览 |阅读模式
这里收罗了46种深度学习实现的软件和资料。大家可以根据自己感兴趣的点,去学习。每一个都有自己的优点
软件链接
  • Theano - Python中的CPU / GPU符号表达式编译器(来自蒙特利尔大学MILA实验室)
  • Torch - 为Lua中的最新机器学习算法提供类似Matlab的环境(来自Ronan Collobert,Clement Farabet和Koray Kavukcuoglu)
  • Pylearn2  - Pylearn2是一个设计用于简化机器学习研究的库。
  • - 用于训练神经网络的Theano框架
  • Tensorflow  - TensorFlow™是使用数据流图进行数值计算的开源软件库。
  • MXNet  - MXNet是一个为提高效率和灵活性而设计的深度学习框架。
  • Caffe -Caffe是一个以表达,速度和模块性为核心的深度学习框架.Caffe是一个以表达,速度和模块性为基础的深度学习框架。
  • Lasagne - Lasagne是一个轻量级的图书馆,用于在Theano建立和训练神经网络。
  • Keras -基于theano深度学习库。
  • 深度学习教程 - 如何使用Theano 进行深度学习(来自蒙特利尔大学LISA实验室)
  • Chainer  - 基于GPU的神经网络框架
  • Matlab深度学习  - Matlab深度学习工具
  • CNTK -计算网络工具包 - 是微软研究院统一的深度学习工具包。
  • MatConvNet  - 实现用于计算机视觉应用的卷积神经网络(CNN)的MATLAB工具箱。它简单,高效,可以运行和学习最先进的CNN。
  • DeepLearnToolbox - Deep Learning的Matlab工具箱(来自Rasmus Berg Palm)
  • BigDL。一个分布式的开源Apache Spark深度学习库,专为高效扩展到多个节点而设计。通过MKL进行CPU优化。Scala和Python支持。(由英特尔公司开发和支持)。https://software.intel.com/bigdlhttps://github.com/intel-analytics/BigDL
  • Cuda-Convnet - 卷积(或更一般地说,前馈)神经网络的快速C ++ / CUDA实现。它可以建模任意层连接和网络深度。任何定向的非循环图层都可以。使用反向传播算法完成训练。
  • 深信仰网络。学习Deep Belief Networks(来自Ruslan Salakhutdinov)的Matlab代码。
  • RNNLM - 托马斯米科洛夫的基于循环神经网络的语言模型工具包。
  • RNNLIB -RNNLIB是用于序列学习问题的递归神经网络库。适用于大多数类型的时空数据,它已被证明对于语音和手写识别特别有效。
  • matrbm。Andrej Karpathy(Matlab)简化版Ruslan Salakhutdinov的代码。
  • deeplearning4j - Deeplearning4J是用Java和Scala编写的Apache 2.0许可的开源分布式神经网络库。
  • 估计RBM的分区功能。用于使用退火重要性抽样(来自Ruslan Salakhutdinov)估算受限玻尔兹曼机器的分区函数的Matlab代码。
  • 学习深玻耳兹曼机器 Matlab代码用于训练和微调深玻耳兹曼机器(来自Ruslan Salakhutdinov)。
  • LUSH编程语言和开发环境,用于@ NYU深卷积网络
  • Eblearn.lsh是一个基于LUSH的机器学习库,用于进行基于能源的学习。它包括用于“预测稀疏分解”的代码和用于无监督学习的其他稀疏自动编码器方法。Koray Kavukcuoglu为此页面上的几个深度学习论文提供Eblearn代码。
  • deepmat - Deepmat,基于Matlab的深度学习算法。
  • MShadow  - MShadow是C ++ / CUDA中的一款轻量级CPU / GPU矩阵/张量模板库。mshadow的目标是支持机器学习项目的高效,设备不变和简单张量库,以实现简单性和性能。支持CPU / GPU /多GPU和分布式系统。
  • CXXNET  - CXXNET是基于MShadow的快速,简洁,分布式的深度学习框架。它是一个轻量级且易于扩展的C ++ / CUDA神经网络工具包,具有友好的用于训练和预测的Python / Matlab界面。
  • Nengo -Nengo是一个基于图形和脚本的软件包,用于模拟大型神经系统。
  • Eblearn是一个C ++机器学习库,具有基于能源的学习,卷积网络,视觉/识别应用等的BSD许可。EBLearn主要由纽约大学的Pierre Sermanet维护。
  • cudamat是一个基于GPU的基于Python的矩阵库。包括用于训练神经网络和受限玻尔兹曼机器的示例代码。
  • Gnumpy是一个Python模块,其接口几乎与numpy完全相同,但在计算机的GPU上进行计算。它运行在cudamat之上。
  • CUV库(GitHub的链路)与Python绑定在基质上容易使用的NVIDIA CUDA功能的C ++框架。它包含一个RBM实现,以及退火重要性采样代码和代码,以精确计算分区函数(来自波恩大学AIS实验室)。
  • 3向因式RBMmcRBM是python代码,称为CUDAMat来训练自然图像模型(来自Marc'Aurelio Ranzato)。
  • 用于训练条件RBM / DBN和因式条件RBM(来自Graham Taylor)的Matlab代码。
  • mPoT是使用CUDAMat和gnumpy来训练自然图像模型的Python代码(来自Marc'Aurelio Ranzato)。
  • neuralnetworks是一个基于java的深度学习算法库。
  • ConvNet是一个基于matlab的卷积神经网络工具箱。
  • Elektronn是一款深度学习工具包,可让机器学习社区外的科学家使用强大的神经网络。
  • OpenNN是用C ++编程语言编写的开源类库,实现了神经网络,这是深度学习研究的主要领域。
  • NeuralDesigner  是一款用于预测分析的创新型深度学习工具。
  • Theano广义Hebbian学习。
  • Apache Singa是一个开源的深度学习库,为可扩展的分布式培训提供了灵活的架构。它可以扩展到多种硬件,并且重点关注医疗保健应用。
  • Lightnet   是一个轻量级,多功能,纯粹基于Matlab的深度学习框架。设计的目的是为深度学习研究提供一个易于理解,易于使用和高效的计算平台。
  • SimpleDNN是一个用Kotlin编写的机器学习轻量级开源库,其目的是支持开发前馈和复发人工神经网络。


使用特权

评论回复

相关帖子

沙发
rhbdhbddf| | 2019-6-18 07:07 | 只看该作者
K了我一个月的站,刚才site的时候

使用特权

评论回复
发新帖
您需要登录后才可以回帖 登录 | 注册

本版积分规则

认证:西安公路研究院南京院
简介:主要工作从事监控网络与通信网络设计,以及从事基于嵌入式的通信与控制设备研发。擅长单片机嵌入式系统物联网设备开发,音频功放电路开发。

1971

主题

15979

帖子

210

粉丝