Derin öğrenme yazılımlarının karşılaştırılması

Vikipedi, özgür ansiklopedi
Şuraya atla: kullan, ara

Aşağıdaki çizelgede derin öğrenme konusunda en bilinen yazılım iskeletleri, yazılım demetleri ve bilgisayar programları karşılaştırılmaktadır.

Derin öğrenme yazılımlarının adları[değiştir | kaynağı değiştir]

yazılım yaratan yazılım lisansı[a] açık kaynak Platform Written in Interface OpenMP desteği OpenCL desteği CUDA desteği Automatic differentiation[1] Önceden eğitilmiş modelleri var Yinelenen ağs Katmanlı ağ KBM/DIA Parallel işlem (çok düğümde)
Caffe Berkeley Vision and Learning Center Apache 2.0 Evet Linux, Mac OS X, Windows[2] C++ Python, MATLAB Evet Geliştiriliyor[3] Evet Evet Evet[4] Evet Evet Hayır Belki
Caffe2 Facebook Apache 2.0 Evet Linux, Mac OS X, Windows[5] C++, Python Python, MATLAB Evet Geliştiriliyor[6] Evet Evet Evet[7] Evet Evet Hayır Evet
Deeplearning4j Skymind engineering team; Deeplearning4j community; İlk sahibi Adam Gibson Apache 2.0 Evet Linux, Mac OS X, Windows, Android (Cross-platform) C++, Java Java, Scala, Clojure, Python (Keras), Kotlin Evet On roadmap[8] Evet[9][10] Computational Graph Evet[11] Evet Evet Evet Evet[12]
Dlib Davis King Boost yazılım lisansı Evet Cross-Platform C++ C++ Evet Hayır Evet Evet Evet Hayır Evet Evet Evet
Keras François Chollet MIT license Evet Linux, Mac OS X, Windows Python Python, R Sadece Theano veya MXNet ile kullanıldığında Theano ile kullanım için geliştiriliyor (TensorFlow ile kullanım yönünde bir adım olarak) Evet Evet Evet[13] Evet Evet Evet Evet[14]
MatConvNet Andrea Vedaldi, Karel Lenc BSD license Evet Windows, Linux[15] (Mac OS X via Docker on roadmap) C++ MATLAB, C++, Hayır Hayır Evet Evet Evet Evet Evet Hayır Evet
Microsoft Cognitive Toolkit Microsoft Research MIT license[16] Evet Windows, Linux[15] (Mac OS X via Docker on roadmap) C++ Python (Keras), C++, Command line,[17] BrainScript[18] (.NET on roadmap[19]) Evet[20] Hayır Evet Evet Evet[21] Evet[22] Evet[22] Hayır[23] Evet[24]
MXNet Distributed (Deep) Machine Learning Community Apache 2.0 Evet Linux, Mac OS X, Windows,[25][26] AWS, Android,[27] iOS, JavaScript[28] Small C++ core library C++, Python, Julia, Matlab, JavaScript, Go, R, Scala, Perl Evet On roadmap[29] Evet Evet[30] Evet[31] Evet Evet Evet Evet[32]
Neural Designer Artelnics Sahipli Hayır Linux, Mac OS X, Windows C++ Graphical user interface Evet Hayır Hayır Belki Belki Hayır Hayır Hayır Belki
OpenNN Artelnics GNU LGPL Evet Cross-platform C++ C++ Evet Hayır Hayır Belki Belki Hayır Hayır Hayır Belki
PaddlePaddle Baidu PaddlePaddle team Apache 2.0 Evet Linux, Mac OS X, Android,[33] Raspberry Pi[34] C++, Go C/C++, Python Evet Hayır Evet Evet Evet[35] Evet Evet Hayır Evet
Pytorch
Apache SINGA Apache Incubator Apache 2.0 Evet Linux, Mac OS X, Windows C++ Python, C++, Java Hayır Evet Evet Belki Evet Evet Evet Evet Evet
TensorFlow Google Brain team Apache 2.0 Evet Linux, Mac OS X, Windows[36] C++, Python Python (Keras), C/C++, Java, Go, R[37] Hayır Planlanmış[38] ama zaten SYCL[39] destekli Evet Evet[40] Evet[41] Evet Evet Evet Evet
Theano Université de Montréal BSD license Evet Cross-platform Python Python (Keras) Evet Geliştiriliyor[42] Evet Evet[43][44] Lasagne'nin Model Zoo'su aracılığı ile[45] Evet Evet Evet Evet[46]
Torch Ronan Collobert, Koray Kavukcuoglu, Clement Farabet BSD license Evet Linux, Mac OS X, Windows,[47] Android,[48] iOS C, Lua Lua, LuaJIT,[49] C, utility library for C++/OpenCL[50] Evet Başkaları tarafından gerçekleştiriliyor[51][52] Evet[53][54] Twitter'in Autograd'ı aracılığı ile[55] Evet[56] Evet Evet Evet Evet[57]
Wolfram Mathematica Wolfram Research Sahipli Hayır Windows, Mac OS X, Linux, Cloud computing C++ Wolfram Language Hayır Hayır Evet Evet Evet[58] Evet Evet Evet Evet
  1. ^ Özet, tamamı çok karmaşık olabilir, başka yazılımları da içeriyor, ve onların lisanslarına da uymak zorunda olabilir

Benzer yazılım[değiştir | kaynağı değiştir]

Ayrıca bakınız[değiştir | kaynağı değiştir]

Kaynakça[değiştir | kaynağı değiştir]

  1. ^ Atilim Gunes Baydin; Barak A. Pearlmutter; Alexey Andreyevich Radul; Jeffrey Mark Siskind. "Automatic differentiation in machine learning: a survey". arΧiv: 1502.05767 [cs.LG]. 
  2. ^ "Microsoft/caffe". GitHub. 22 Nisan 2017 tarihinde kaynağından arşivlendi. http://web.archive.org/web/20170422164146/https://github.com/Microsoft/caffe. 
  3. ^ "OpenCL Caffe". 22 Mart 2017 tarihinde kaynağından arşivlendi. http://web.archive.org/web/20170322144157/https://github.com/BVLC/caffe/tree/opencl. 
  4. ^ "Caffe Model Zoo". 1 Nisan 2017 tarihinde kaynağından arşivlendi. http://web.archive.org/web/20170401163318/http://caffe.berkeleyvision.org/model_zoo.html. 
  5. ^ "Caffe2 Github Repo". 25 Kasım 2017 tarihinde kaynağından arşivlendi. http://web.archive.org/web/20171125023632/https://github.com/caffe2/caffe2. 
  6. ^ "OpenCL Caffe". 22 Mart 2017 tarihinde kaynağından arşivlendi. http://web.archive.org/web/20170322144157/https://github.com/BVLC/caffe/tree/opencl. 
  7. ^ "Caffe Model Zoo". 24 Kasım 2017 tarihinde kaynağından arşivlendi. http://web.archive.org/web/20171124084833/http://caffe.berkeleyvision.org/model_zoo.html. 
  8. ^ "Support for Open CL · Issue #27 · deeplearning4j/nd4j". GitHub. 5 Mart 2017 tarihinde kaynağından arşivlendi. http://web.archive.org/web/20170305003925/https://github.com/deeplearning4j/nd4j/issues/27. 
  9. ^ "N-Dimensional Scientific Computing for Java". 16 Ekim 2016 tarihinde kaynağından arşivlendi. http://web.archive.org/web/20161016094035/http://nd4j.org:80/gpu_native_backends.html. 
  10. ^ "Comparing Top Deep Learning Frameworks". Deeplearning4j. 7 Kasım 2017 tarihinde kaynağından arşivlendi. http://web.archive.org/web/20171107011631/https://deeplearning4j.org/compare-dl4j-tensorflow-pytorch. 
  11. ^ Chris Nicholson; Adam Gibson. "Deeplearning4j Models". 20 Eylül 2016 tarihinde kaynağından arşivlendi. http://web.archive.org/web/20160920125238/http://deeplearning4j.org:80/model-zoo. 
  12. ^ Deeplearning4j. "Deeplearning4j on Spark". Deeplearning4j. 30 Eylül 2016 tarihinde kaynağından arşivlendi. http://web.archive.org/web/20160930084451/http://deeplearning4j.org:80/spark. 
  13. ^ https://keras.io/applications/
  14. ^ Does Keras support using multiple GPUs? · Issue #2436 · fchollet/keras
  15. ^ a b "Setup CNTK on your machine". GitHub. 8 Mayıs 2017 tarihinde kaynağından arşivlendi. http://web.archive.org/web/20170508012231/https://github.com/Microsoft/CNTK/wiki/Setup-CNTK-on-your-machine. 
  16. ^ "CNTK/LICENSE.md at master · Microsoft/CNTK · GitHub". GitHub. 22 Nisan 2017 tarihinde kaynağından arşivlendi. http://web.archive.org/web/20170422164206/https://github.com/Microsoft/CNTK/blob/master/LICENSE.md. 
  17. ^ "CNTK usage overview". GitHub. 5 Mart 2017 tarihinde kaynağından arşivlendi. http://web.archive.org/web/20170305003843/https://github.com/Microsoft/CNTK/wiki/CNTK-usage-overview. 
  18. ^ "BrainScript Network Builder". GitHub. 5 Mart 2017 tarihinde kaynağından arşivlendi. http://web.archive.org/web/20170305004851/https://github.com/Microsoft/CNTK/wiki/BrainScript-Network-Builder. 
  19. ^ ".NET Support · Issue #960 · Microsoft/CNTK". GitHub. 5 Mart 2017 tarihinde kaynağından arşivlendi. http://web.archive.org/web/20170305004702/https://github.com/Microsoft/CNTK/issues/960. 
  20. ^ "How to train a model using multiple machines? · Issue #59 · Microsoft/CNTK". GitHub. 5 Mart 2017 tarihinde kaynağından arşivlendi. http://web.archive.org/web/20170305003904/https://github.com/Microsoft/CNTK/issues/59. 
  21. ^ https://github.com/Microsoft/CNTK/issues/140#issuecomment-186466820
  22. ^ a b "CNTK - Computational Network Toolkit". Microsoft Corporation. 5 Mart 2017 tarihinde kaynağından arşivlendi. http://web.archive.org/web/20170305092939/https://www.cntk.ai/. 
  23. ^ url=https://github.com/Microsoft/CNTK/issues/534
  24. ^ "Multiple GPUs and machines". Microsoft Corporation. 5 Mart 2017 tarihinde kaynağından arşivlendi. http://web.archive.org/web/20170305004424/https://github.com/Microsoft/CNTK/wiki/Multiple-GPUs-and-machines. 
  25. ^ "Releases · dmlc/mxnet". Github. 5 Mart 2017 tarihinde kaynağından arşivlendi. http://web.archive.org/web/20170305003813/https://github.com/dmlc/mxnet/releases. 
  26. ^ "Installation Guide — mxnet documentation". Readthdocs. 30 Eylül 2016 tarihinde kaynağından arşivlendi. http://web.archive.org/web/20160930181521/http://mxnet.readthedocs.io:80/en/latest/how_to/build.html. 
  27. ^ "MXNet Smart Device". ReadTheDocs. 21 Eylül 2016 tarihinde kaynağından arşivlendi. http://web.archive.org/web/20160921205959/http://mxnet.readthedocs.io:80/en/latest/how_to/smart_device.html. 
  28. ^ "MXNet.js". Github. 5 Mart 2017 tarihinde kaynağından arşivlendi. http://web.archive.org/web/20170305004000/https://github.com/dmlc/mxnet.js. 
  29. ^ "Support for other Device Types, OpenCL AMD GPU · Issue #621 · dmlc/mxnet". GitHub. 5 Mart 2017 tarihinde kaynağından arşivlendi. http://web.archive.org/web/20170305004143/https://github.com/dmlc/mxnet/issues/621. 
  30. ^ http://mxnet.readthedocs.io/
  31. ^ "Model Gallery". GitHub. 5 Mart 2017 tarihinde kaynağından arşivlendi. http://web.archive.org/web/20170305003956/https://github.com/dmlc/mxnet-model-gallery. 
  32. ^ "Run MXNet on Multiple CPU/GPUs with Data Parallel". GitHub. 28 Eylül 2016 tarihinde kaynağından arşivlendi. http://web.archive.org/web/20160928073727/http://mxnet.readthedocs.io:80/en/latest/how_to/multi_devices.html. 
  33. ^ http://www.paddlepaddle.org/docs/develop/documentation/en/mobile/cross_compiling_for_android_en.html
  34. ^ http://www.paddlepaddle.org/docs/develop/documentation/en/mobile/cross_compiling_for_raspberry_en.html
  35. ^ http://www.paddlepaddle.org/docs/develop/models/README.html
  36. ^ https://developers.googleblog.com/2016/11/tensorflow-0-12-adds-support-for-windows.html
  37. ^ interface), JJ Allaire (R; RStudio; Eddelbuettel, Dirk; Golding, Nick; Tang, Yuan; Tutorials), Google Inc (Examples and, tensorflow: R Interface to TensorFlow, https://cran.r-project.org/web/packages/tensorflow/index.html 
  38. ^ "tensorflow/roadmap.md at master · tensorflow/tensorflow · GitHub". GitHub. https://github.com/tensorflow/tensorflow/blob/master/tensorflow/docs_src/about/roadmap.md. 
  39. ^ "OpenCL support · Issue #22 · tensorflow/tensorflow". GitHub. 5 Mart 2017 tarihinde kaynağından arşivlendi. http://web.archive.org/web/20170305003829/https://github.com/tensorflow/tensorflow/issues/22. 
  40. ^ https://www.tensorflow.org/
  41. ^ https://github.com/tensorflow/models
  42. ^ "Using the GPU — Theano 0.8.2 documentation". 1 Nisan 2017 tarihinde kaynağından arşivlendi. http://web.archive.org/web/20170401163303/http://deeplearning.net/software/theano/tutorial/using_gpu.html. 
  43. ^ http://deeplearning.net/software/theano/library/gradient.html
  44. ^ https://groups.google.com/d/msg/theano-users/mln5g2IuBSU/gespG36Lf_QJ
  45. ^ "Recipes/modelzoo at master · Lasagne/Recipes · GitHub". GitHub. 5 Mart 2017 tarihinde kaynağından arşivlendi. http://web.archive.org/web/20170305004428/https://github.com/Lasagne/Recipes/tree/master/modelzoo. 
  46. ^ Using multiple GPUs — Theano 0.8.2 documentation
  47. ^ https://github.com/torch/torch7/wiki/Windows
  48. ^ "GitHub - soumith/torch-android: Torch-7 for Android". GitHub. 22 Nisan 2017 tarihinde kaynağından arşivlendi. http://web.archive.org/web/20170422164232/https://github.com/soumith/torch-android. 
  49. ^ "Torch7: A Matlab-like Environment for Machine Learning". 6 Mart 2016 tarihinde kaynağından arşivlendi. http://web.archive.org/web/20160306145434/http://ronan.collobert.com/pub/matos/2011_torch7_nipsw.pdf. 
  50. ^ "GitHub - jonathantompson/jtorch: An OpenCL Torch Utility Library". GitHub. 22 Nisan 2017 tarihinde kaynağından arşivlendi. http://web.archive.org/web/20170422164237/https://github.com/jonathantompson/jtorch. 
  51. ^ "Cheatsheet". GitHub. 18 Nisan 2017 tarihinde kaynağından arşivlendi. http://web.archive.org/web/20170418224140/https://github.com/torch/torch7/wiki/Cheatsheet. 
  52. ^ "cltorch". GitHub. 5 Mart 2017 tarihinde kaynağından arşivlendi. http://web.archive.org/web/20170305004420/https://github.com/hughperkins/distro-cl. 
  53. ^ "Torch CUDA backend". GitHub. 5 Mart 2017 tarihinde kaynağından arşivlendi. http://web.archive.org/web/20170305004842/https://github.com/torch/cutorch. 
  54. ^ "Torch CUDA backend for nn". GitHub. 5 Mart 2017 tarihinde kaynağından arşivlendi. http://web.archive.org/web/20170305003952/https://github.com/torch/cunn. 
  55. ^ https://github.com/twitter/torch-autograd
  56. ^ "ModelZoo". GitHub. 5 Mart 2017 tarihinde kaynağından arşivlendi. http://web.archive.org/web/20170305003934/https://github.com/torch/torch7/wiki/ModelZoo. 
  57. ^ https://github.com/torch/torch7/wiki/Cheatsheet#distributed-computing--parallel-processing
  58. ^ http://blog.stephenwolfram.com/2017/03/the-rd-pipeline-continues-launching-version-11-1/