Derin öğrenme yazılımlarının karşılaştırılması

Vikipedi, özgür ansiklopedi
Şuraya atla: kullan, ara

Aşağıdaki çizelge 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 Yazıldığı dil Arayüz OpenMP desteği OpenCL desteği CUDA desteği Automatic differentiation[1] önceden eğitilmiş modelleri var Yinelenen ağ Katmanlı ağ KBM/DIA Parallel işlem (çok düğümde)
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
Caffe Berkeley Vision and Learning Center BSD license Evet Linux, Mac OS X, Windows[2] C++ Python, MATLAB Evet Geliştiriliyor[3] Evet Evet Evet[4] Evet Evet Hayır Belki
Deeplearning4j Skymind engineering team; Deeplearning4j community; İlk sahibi Adam Gibson Apache 2.0 Evet Linux, Mac OS X, Windows, Android (Cross-platform) Java Java, Scala, Clojure, Python (Keras) Evet On roadmap[5] Evet[6] Computational Graph Evet[7] Evet Evet Evet Evet[8]
Dlib Davis King Boost Software License 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 Sadece Theano ile kullanıldığında Theano ile kullanım için geliştiriliyor (TensorFlow ile kullanım yönünde bir adım olarak) Evet Evet Evet[9] Evet Evet Evet Evet[10]
Microsoft Cognitive Toolkit Microsoft Research MIT license[11] Evet Windows, Linux[12] (OSX via Docker on roadmap) C++ Python, C++, Command line,[13] BrainScript[14] (.NET on roadmap[15]) Evet[16] Hayır Evet Evet Evet[17] Evet[18] Evet[18] Hayır[19] Evet[20]
MXNet Distributed (Deep) Machine Learning Community Apache 2.0 Evet Linux, Mac OS X, Windows,[21][22] AWS, Android,[23] iOS, JavaScript[24] Small C++ core library C++, Python, Julia, Matlab, JavaScript, Go, R, Scala, Perl Evet On roadmap[25] Evet Evet[26] Evet[27] Evet Evet Evet Evet[28]
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
TensorFlow Google Brain team Apache 2.0 Evet Linux, Mac OS X, Windows[29] C++, Python Python, C/C++, Java, Go Hayır On roadmap[30][31] Evet Evet[32] Evet[33] Evet Evet Evet Evet
Theano Université de Montréal BSD license Evet Cross-platform Python Python Evet Geliştiriliyor [34] Evet Evet[35][36] Lasagne'nin Model Zoo'su aracılığı ile[37] Evet Evet Evet Evet[38]
Torch Ronan Collobert, Koray Kavukcuoglu, Clement Farabet BSD license Evet Linux, Mac OS X, Windows,[39] Android,[40] iOS C, Lua Lua, LuaJIT,[41] C, utility library for C++/OpenCL[42] Evet Başkaları tarafından gerçekleştiriliyor[43][44] Evet[45][46] Twitter'in Autograd'ı aracılığı ile[47] Evet[48] Evet Evet Evet Evet[49]
Wolfram Mathematica Wolfram Research Sahipli Hayır Windows, Mac OS X, Linux, Cloud computing C++ Command line, Java, C++ Hayır Evet Evet Evet Evet[50] 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 (20 February 2015). "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. ^ "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. 
  6. ^ "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. 
  7. ^ Chris Nicholson; Adam Gibson. "Deeplearning4j Models". 20 Eylül 2016 tarihinde kaynağından arşivlendi. http://web.archive.org/web/20160920125238/http://deeplearning4j.org:80/model-zoo. 
  8. ^ Deeplearning4j. "Deeplearning4j on Spark". Deeplearning4j. 30 Eylül 2016 tarihinde kaynağından arşivlendi. http://web.archive.org/web/20160930084451/http://deeplearning4j.org:80/spark. 
  9. ^ https://keras.io/applications/
  10. ^ Does Keras support using multiple GPUs? · Issue #2436 · fchollet/keras
  11. ^ "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. 
  12. ^ "Setup CNTK on your machine". GitHub. 5 Mart 2017 tarihinde kaynağından arşivlendi. http://web.archive.org/web/20170305003809/https://github.com/Microsoft/CNTK/wiki/Setup-CNTK-on-your-machine. 
  13. ^ "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. 
  14. ^ "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. 
  15. ^ ".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. 
  16. ^ "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. 
  17. ^ https://github.com/Microsoft/CNTK/issues/140#issuecomment-186466820
  18. 18,0 18,1 "CNTK - Computational Network Toolkit". Microsoft Corporation. 5 Mart 2017 tarihinde kaynağından arşivlendi. http://web.archive.org/web/20170305092939/https://www.cntk.ai/. 
  19. ^ url=https://github.com/Microsoft/CNTK/issues/534
  20. ^ "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. 
  21. ^ "Releases · dmlc/mxnet". Github. 5 Mart 2017 tarihinde kaynağından arşivlendi. http://web.archive.org/web/20170305003813/https://github.com/dmlc/mxnet/releases. 
  22. ^ "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. 
  23. ^ "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. 
  24. ^ "MXNet.js". Github. 5 Mart 2017 tarihinde kaynağından arşivlendi. http://web.archive.org/web/20170305004000/https://github.com/dmlc/mxnet.js. 
  25. ^ "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. 
  26. ^ http://mxnet.readthedocs.io/
  27. ^ "Model Gallery". GitHub. 5 Mart 2017 tarihinde kaynağından arşivlendi. http://web.archive.org/web/20170305003956/https://github.com/dmlc/mxnet-model-gallery. 
  28. ^ "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. 
  29. ^ https://developers.googleblog.com/2016/11/tensorflow-0-12-adds-support-for-windows.html
  30. ^ "tensorflow/roadmap.md at master · tensorflow/tensorflow · GitHub". GitHub. https://github.com/tensorflow/tensorflow/blob/master/tensorflow/g3doc/resources/roadmap.md. 
  31. ^ "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. 
  32. ^ https://www.tensorflow.org/
  33. ^ https://github.com/tensorflow/models
  34. ^ "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. 
  35. ^ http://deeplearning.net/software/theano/library/gradient.html
  36. ^ https://groups.google.com/d/msg/theano-users/mln5g2IuBSU/gespG36Lf_QJ
  37. ^ "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. 
  38. ^ Using multiple GPUs — Theano 0.8.2 documentation
  39. ^ https://github.com/torch/torch7/wiki/Windows
  40. ^ "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. 
  41. ^ "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. 
  42. ^ "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. 
  43. ^ "Cheatsheet". GitHub. 18 Nisan 2017 tarihinde kaynağından arşivlendi. http://web.archive.org/web/20170418224140/https://github.com/torch/torch7/wiki/Cheatsheet. 
  44. ^ "cltorch". GitHub. 5 Mart 2017 tarihinde kaynağından arşivlendi. http://web.archive.org/web/20170305004420/https://github.com/hughperkins/distro-cl. 
  45. ^ "Torch CUDA backend". GitHub. 5 Mart 2017 tarihinde kaynağından arşivlendi. http://web.archive.org/web/20170305004842/https://github.com/torch/cutorch. 
  46. ^ "Torch CUDA backend for nn". GitHub. 5 Mart 2017 tarihinde kaynağından arşivlendi. http://web.archive.org/web/20170305003952/https://github.com/torch/cunn. 
  47. ^ https://github.com/twitter/torch-autograd
  48. ^ "ModelZoo". GitHub. 5 Mart 2017 tarihinde kaynağından arşivlendi. http://web.archive.org/web/20170305003934/https://github.com/torch/torch7/wiki/ModelZoo. 
  49. ^ https://github.com/torch/torch7/wiki/Cheatsheet#distributed-computing--parallel-processing
  50. ^ http://blog.stephenwolfram.com/2017/03/the-rd-pipeline-continues-launching-version-11-1/