深度学习

1万 · 2018-4-29 08:52

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。
块 - 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/bigdl。https://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）。
该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。
的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RBM和mcRBM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。

只看该作者 · 2019-6-18 07:07

K了我一个月的站，刚才site的时候

深度学习

相关下载

相关帖子

核心会员奖章

坚毅之洋流

十世金身

技术导师奖章