私人珍藏,九个开源的顶级深度学习项目

在过去几年,计算机科学家在人工智能(AI)方面取得了巨大的飞跃,也让人工智能技术变得越来越普遍。

而深度学习无疑又是人工智能的研究热点,那么现在都有哪些最流行的开源深度学习工具?

本文将为您推荐最着名的9个开源顶级深度学习项目。

1. Caffe

Caffe最初由加州大学伯克利分校博士生创建,是一个深受欢迎基于表达体系结构和可扩展代码的深度学习框架。受欢迎是因为它的表达架构、可扩展代码和速度。

操作系统:Windows,Linux,macOS。

2. CaffeOnSpark

首先在雅虎开发,将Caffe深入学习框架带入Hadoop和Spark群集。CaffeOnSpark可以在GPU和CPU服务器集群上进行分布式深度学习。

操作系统:Windows,Linux,macOS。

3. ConvNetJS

这个JavaScript库允许用户从浏览器中进行深度学习模型训练。它承诺“没有软件要求,无需编译器,不用安装,不用GPU,没有汗水”。

操作系统:Linux。

4. DeepDetect

DeepDetect,是基于Caffe,TensorFlow和XGBoost的开源深度学习服务器。它为图像分类,对象检测,文本和数字数据分析提供了一个易于使用的API。

操作系统:Windows,Linux,macOS。

5. Deeplearning4j

Deeplearning4j声称是“为Java和Scala编写的第一个商业级,开源,分布式深度学习库”。DL4J与Hadoop和Spark集成,旨在用于分布式GPU和CPU上的业务环境。Skymind可以提供商业支持。

操作系统:Windows,Linux,macOS。

6. DSSTNE

DSSTNE(发音“Destiny”)是Amazon用来训练和部署其推荐引擎的软件库。主要功能包括多GPU规模,大层次和稀疏数据集的操作。

操作系统:Windows,Linux,macOS。

7. H2O

拥有超过10万用户,H2O声称是“世界领先的开源深度学习平台”。除了开源版本,该公司还提供付费支持的高级版。

操作系统:Windows,Linux,macOS。

8. Microsoft Cognitive Toolkit

Microsoft Cognitive Toolkit以前被称为CNTK,是微软的深度学习工具包。它具有速度,可扩展性,商业级质量,与C ++和Python的兼容性。Skype,Cortana和Bing的AI功能都来自它。

操作系统:Windows,Linux。

9. Theano

Theano将自己描述为“一个Python库,它允许您有效地定义,优化和评估涉及多维数组的数学表达式。主要功能包括GPU支持,与NumPy集成,高效的符号分化,动态C代码生成等。

操作系统:Windows,Linux,macOS。

本文转自d1net(转载)

时间: 2025-01-19 13:51:10

私人珍藏,九个开源的顶级深度学习项目的相关文章

GitHub 上 57 款最流行的开源深度学习项目

GitHub 上 57 款最流行的开源深度学习项目 本文整理了 GitHub 上最流行的 57 款深度学习项目(按 stars 排名).最后更新:2016.08.09 1.TensorFlow 使用数据流图计算可扩展机器学习问题 TensorFlow 是谷歌的第二代机器学习系统,按照谷歌所说,在某些基准测试中,TensorFlow 的表现比第一代的 DistBelief 快了2倍. TensorFlow 内建深度学习的扩展支持,任何能够用计算流图形来表达的计算,都可以使用 TensorFlow.

AI初创公司Bitfusion融资500万美元简化深度学习项目

人工智能工作负载的复杂性可以让这些负载非常难以部署.应用团队必须构建专门的基础设施,有效地支持运行在底层的深度学习神经网络算法,而这正是Bitfusion正在努力解决的问题. 这家初创公司在新一轮融资中获得500万美元,投资方包括Sierra Ventures.Data Collective.Resonant Ventures Partners和Geekcom(一家位于美国德克萨斯州的加速器).Bitfusion宣布该消息的同时,还推出了Bitfusion AI Platform,这是一个革新的

Facebook开源深度学习项目Torchnet

Facebook发表了一篇学术论文和博客,详细介绍基于Lua的Torchnet项目.这是一个以深度学习为中心的新的开源项目,以之前开源的Torch库为基础构建. 在一次采访中,Facebook人工智能研究实验室(FAIR)的Laurens van der Maaten指出,它可以用于类似图像识别.自然语言处理这样的工作,其方法和面向Theano框架的Blocks和Fuel Python库类似.他还指出: 举例来说,它让完全隐藏I/O[输入/输出]开销变得非常简单,如果想要训练一个实际的大规模深度

Facebook 开源一些关于深度学习的工具

在机器学习领域中今天最流行的词汇是 -- 深度学习.这是由 Geoff Hinton 提出的一项技术,Geoff 之前在微软研究院工作,现在在 Google.而其他计算机科学研究人员如 Yann LeCun 也在选择更好的教计算机识别对象和语音的方法. Facebook 也在研究关于深度学习的技术,同时也已经做了很多相关工作,包括其开源的用于机器学习的 Torch7 计算框架.Torch 是很多机器学习和人工智能项目的核心,不管是在学校研究或者是类似 Google.Twitter 和因特尔这样的

深度学习项目实战——“年龄预测”

更多深度文章,请关注:https://yq.aliyun.com/cloud 介绍: 你可以通过阅读或者观看视频/MOOC来学习数据科学,接着你就必须将学到的知识应用到解决问题当中来.你需要完成这两件事才能有效地完成你的学习计划.接下来这篇文章旨在向你介绍深度学习如何应用到一个有趣的问题. 今天我们将用深度学习来解决年龄检测问题. 如果你是刚刚想要进入深度学习领域的new boy.请先阅读下面的文章,它们能帮你了解并且快速进入深度学习领域: https://www.analyticsvidhya

DARPA 开发用于自然语言处理的深度学习项目

美国国防部高级研究计划局(DARPA)正在开发能够更好理解人类语言的深度学习技术,可以自动向情报分析人员汇报有用信息. 提到人工智能和自然语言处理,人们会想到谷歌.微软和雅虎等公司,却忽略了另外一条技术鲶鱼--DARPA.后者目前正在开发的一个"文本深度发掘与过滤"项目(DEFT),能够分析人类自身难以胜任的超大规模文本处理工作. 从DARPA的官网我们了解到这个项目启动与2012年中,至今已经开展了四年半时间,以下是DARPA官网对DEFT项目的介绍: 自动化的深度自然语言处理(NL

新工具——TensorLayer:管理深度学习项目的复杂性

更多深度文章,请关注:https://yq.aliyun.com/cloud 对于深度学习开发者来说,深度学习系统变得越来越复杂.以至于我们需要使用轻量级的工具从头到尾来管理流程,为了将更多的连续学习内置到神经网络中,这就要求我们建立可以迭代增强的更有弹性的数据集以及更多的动态模型. 深度学习开发人员必须花费大量的时间来整合神经网络的组件,管理模型生命周期,组织数据和调整系统并行度等等.随着使用新的培训样本后,人类对于神经网络模型的见解,更新模型和跟踪其变化的能力就变得非常必要了.为此伦敦帝国理

深度学习必备手册(下)

更多深度文章,请关注云计算频道:https://yq.aliyun.com/cloud 请收下这份关于人工智能的根目录--博客整理系列(一) 关于数据科学的那些事--博客整理系列(二) 机器学习必备手册--博客整理系列(三) 扩展眼界的都在这--博客整理系列(四) 深度学习必备手册(上)--博客整理系列(五) 深度学习的概念源于人工神经网络的研究,如果追溯深度学习的概念还是要回到2006年Hinton那篇论文,基于深信度网(DNB)提出非监督贪心逐层训练算法,未解决深层结构相关的优化难题出现的论

横向对比七大深度学习框架

文章讲的是横向对比七大深度学习框架,在深度学习项目开始前,选择一个合适的框架是非常重要的事情.最近,来自数据科学公司 Silicon Valley Data Science 的数据工程师 Matt Rubashkin(UC Berkeley 博士)为我们带来了深度学习 7 种流行框架的深度横向对比,希望本文能对你带来帮助. 在 SVDS,我们的研发团队一直在研究不同的深度学习技术;从识别图像到语音,我们也在各类框架下实现了不少应用.在这个过程中,我们意识到需要一个简明的方式来获取数据.创建模型.