Derin öğrenme yazılımlarının karşılaştırılması

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

Derin öğrenme yazılımlarının adları
yazılım yaratan yazılım lisansı[lower-alpha 1] 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[3] Evet Evet Evet[6] 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[7] Evet[8][9] Computational Graph Evet[10] Evet Evet Evet Evet[11]
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[12] Evet Evet Evet Evet[13]
MatConvNet Andrea Vedaldi, Karel Lenc BSD license Evet Windows, Linux[14] (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[15] Evet Windows, Linux[14] (Mac OS X via Docker on roadmap) C++ Python (Keras), C++, Command line,[16] BrainScript[17] (.NET on roadmap[18]) Evet[19] Hayır Evet Evet Evet[20] Evet[21] Evet[21] Hayır[22] Evet[23]
MXNet Distributed (Deep) Machine Learning Community Apache 2.0 Evet Linux, Mac OS X, Windows,[24][25] AWS, Android,[26] iOS, JavaScript[27] Small C++ core library C++, Python, Julia, Matlab, JavaScript, Go, R, Scala, Perl Evet On roadmap[28] Evet Evet[29] Evet[30] Evet Evet Evet Evet[31]
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,[32] Raspberry Pi[33] C++, Go C/C++, Python Evet Hayır Evet Evet Evet[34] 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[35] C++, Python Python (Keras), C/C++, Java, Go, R[36] Hayır Planlanmış[37] ama zaten SYCL[38] destekli Evet Evet[39] Evet[40] Evet Evet Evet Evet
Theano Université de Montréal BSD license Evet Cross-platform Python Python (Keras) Evet Geliştiriliyor[41] Evet Evet[42][43] Lasagne'nin Model Zoo'su aracılığı ile[44] Evet Evet Evet Evet[45]
Torch Ronan Collobert, Koray Kavukcuoglu, Clement Farabet BSD license Evet Linux, Mac OS X, Windows,[46] Android,[47] iOS C, Lua Lua, LuaJIT,[48] C, utility library for C++/OpenCL[49] Evet Başkaları tarafından gerçekleştiriliyor[50][51] Evet[52][53] Twitter'in Autograd'ı aracılığı ile[54] Evet[55] Evet Evet Evet Evet[56]
Wolfram Mathematica Wolfram Research Sahipli Hayır Windows, Mac OS X, Linux, Cloud computing C++ Wolfram Language Hayır Hayır Evet Evet Evet[57] Evet Evet Evet Evet

Şablon:Hayırt listesi

Benzer yazılım
  • Neural Engineering Object (NENGO) – Yüksek ölçekte sinir ağları ve çizimleri amaçlı yazılımı
  • Numenta Platform for Intelligent Computing – Numenta'nın hierarchical temporal memory modelinin açık kaynak olarak gerçekleştirilmiş sürümü

Ayrıca bakınız

Notlar
  1. Özet, tamamı çok karmaşık olabilir, başka yazılımları da içeriyor, ve onların lisanslarına da uymak zorunda olabilir

Kaynakça
  1. A bot will complete this citation soon. Click here to jump the queue arXiv:1502.05767.
  2. "Microsoft/caffe". GitHub. 22 Nisan 2017 tarihinde kaynağından arşivlendi. Erişim tarihi: 11 Nisan 2017.
  3. "OpenCL Caffe". 22 Mart 2017 tarihinde kaynağından arşivlendi. Erişim tarihi: 11 Nisan 2017.
  4. "Caffe Model Zoo". 1 Nisan 2017 tarihinde kaynağından arşivlendi. Erişim tarihi: 11 Nisan 2017.
  5. "Caffe2 Github Repo". 25 Kasım 2017 tarihinde kaynağından arşivlendi. Erişim tarihi: 29 Kasım 2017.
  6. "Caffe Model Zoo". 24 Kasım 2017 tarihinde kaynağından arşivlendi. Erişim tarihi: 11 Nisan 2017.
  7. "Support for Open CL · Issue #27 · deeplearning4j/nd4j". GitHub. 5 Mart 2017 tarihinde kaynağından arşivlendi. Erişim tarihi: 11 Nisan 2017.
  8. "N-Dimensional Scientific Computing for Java". 16 Ekim 2016 tarihinde kaynağından arşivlendi. Erişim tarihi: 11 Nisan 2017.
  9. "Comparing Top Deep Learning Frameworks". Deeplearning4j. 7 Kasım 2017 tarihinde kaynağından arşivlendi. Erişim tarihi: 29 Kasım 2017.
  10. Chris Nicholson; Adam Gibson. "Deeplearning4j Models". 20 Eylül 2016 tarihinde kaynağından arşivlendi. Erişim tarihi: 11 Nisan 2017.
  11. Deeplearning4j. "Deeplearning4j on Spark". Deeplearning4j. 30 Eylül 2016 tarihinde kaynağından arşivlendi. Erişim tarihi: 11 Nisan 2017.
  12. https://keras.io/applications/
  13. Does Keras support using multiple GPUs? · Issue #2436 · fchollet/keras
  14. "Setup CNTK on your machine". GitHub. 8 Mayıs 2017 tarihinde kaynağından arşivlendi. Erişim tarihi: 11 Nisan 2017.
  15. "CNTK/LICENSE.md at master · Microsoft/CNTK · GitHub". GitHub. 22 Nisan 2017 tarihinde kaynağından arşivlendi. Erişim tarihi: 11 Nisan 2017.
  16. "CNTK usage overview". GitHub. 5 Mart 2017 tarihinde kaynağından arşivlendi. Erişim tarihi: 11 Nisan 2017.
  17. "BrainScript Network Builder". GitHub. 5 Mart 2017 tarihinde kaynağından arşivlendi. Erişim tarihi: 11 Nisan 2017.
  18. ".NET Support · Issue #960 · Microsoft/CNTK". GitHub. 5 Mart 2017 tarihinde kaynağından arşivlendi. Erişim tarihi: 11 Nisan 2017.
  19. "How to train a model using multiple machines? · Issue #59 · Microsoft/CNTK". GitHub. 5 Mart 2017 tarihinde kaynağından arşivlendi. Erişim tarihi: 11 Nisan 2017.
  20. https://github.com/Microsoft/CNTK/issues/140#issuecomment-186466820
  21. "CNTK - Computational Network Toolkit". Microsoft Corporation. 5 Mart 2017 tarihinde kaynağından arşivlendi. Erişim tarihi: 11 Nisan 2017.
  22. url=https://github.com/Microsoft/CNTK/issues/534
  23. "Multiple GPUs and machines". Microsoft Corporation. 5 Mart 2017 tarihinde kaynağından arşivlendi. Erişim tarihi: 11 Nisan 2017.
  24. "Releases · dmlc/mxnet". Github. 5 Mart 2017 tarihinde kaynağından arşivlendi. Erişim tarihi: 11 Nisan 2017.
  25. "Installation Guide — mxnet documentation". Readthdocs. 30 Eylül 2016 tarihinde kaynağından arşivlendi. Erişim tarihi: 11 Nisan 2017.
  26. "MXNet Smart Device". ReadTheDocs. 21 Eylül 2016 tarihinde kaynağından arşivlendi. Erişim tarihi: 11 Nisan 2017.
  27. "MXNet.js". Github. 5 Mart 2017 tarihinde kaynağından arşivlendi. Erişim tarihi: 11 Nisan 2017.
  28. "Support for other Device Types, OpenCL AMD GPU · Issue #621 · dmlc/mxnet". GitHub. 5 Mart 2017 tarihinde kaynağından arşivlendi. Erişim tarihi: 11 Nisan 2017.
  29. http://mxnet.readthedocs.io/%5Bölü/kırık+bağlantı%5D
  30. "Model Gallery". GitHub. 5 Mart 2017 tarihinde kaynağından arşivlendi. Erişim tarihi: 11 Nisan 2017.
  31. "Run MXNet on Multiple CPU/GPUs with Data Parallel". GitHub. 28 Eylül 2016 tarihinde kaynağından arşivlendi. Erişim tarihi: 11 Nisan 2017.
  32. "Arşivlenmiş kopya". 1 Aralık 2017 tarihinde kaynağından arşivlendi. Erişim tarihi: 29 Kasım 2017.
  33. "Arşivlenmiş kopya". 1 Aralık 2017 tarihinde kaynağından arşivlendi. Erişim tarihi: 29 Kasım 2017.
  34. "Arşivlenmiş kopya". 1 Aralık 2017 tarihinde kaynağından arşivlendi. Erişim tarihi: 29 Kasım 2017.
  35. https://developers.googleblog.com/2016/11/tensorflow-0-12-adds-support-for-windows.html
  36. interface), JJ Allaire (R; RStudio; Eddelbuettel, Dirk; Golding, Nick; Tang, Yuan; Tutorials), Google Inc (Examples and (26 Mayıs 2017), tensorflow: R Interface to TensorFlow, erişim tarihi: 14 Haziran 2017
  37. "tensorflow/roadmap.md at master · tensorflow/tensorflow · GitHub". GitHub. 23 Ocak 2017. Erişim tarihi: 21 Mayıs 2017.
  38. "OpenCL support · Issue #22 · tensorflow/tensorflow". GitHub. 5 Mart 2017 tarihinde kaynağından arşivlendi. Erişim tarihi: 11 Nisan 2017.
  39. "Arşivlenmiş kopya". 2 Temmuz 2016 tarihinde kaynağından arşivlendi. Erişim tarihi: 11 Nisan 2017.
  40. https://github.com/tensorflow/models
  41. "Using the GPU — Theano 0.8.2 documentation". 1 Nisan 2017 tarihinde kaynağından arşivlendi. Erişim tarihi: 11 Nisan 2017.
  42. "Arşivlenmiş kopya". 11 Temmuz 2017 tarihinde kaynağından arşivlendi. Erişim tarihi: 11 Nisan 2017.
  43. https://groups.google.com/d/msg/theano-users/mln5g2IuBSU/gespG36Lf_QJ
  44. "Recipes/modelzoo at master · Lasagne/Recipes · GitHub". GitHub. 5 Mart 2017 tarihinde kaynağından arşivlendi. Erişim tarihi: 11 Nisan 2017.
  45. Using multiple GPUs — Theano 0.8.2 documentation
  46. https://github.com/torch/torch7/wiki/Windows
  47. "GitHub - soumith/torch-android: Torch-7 for Android". GitHub. 22 Nisan 2017 tarihinde kaynağından arşivlendi. Erişim tarihi: 11 Nisan 2017.
  48. "Torch7: A Matlab-like Environment for Machine Learning" (PDF). 6 Mart 2016 tarihinde kaynağından (PDF) arşivlendi. Erişim tarihi: 11 Nisan 2017.
  49. "GitHub - jonathantompson/jtorch: An OpenCL Torch Utility Library". GitHub. 22 Nisan 2017 tarihinde kaynağından arşivlendi. Erişim tarihi: 11 Nisan 2017.
  50. "Cheatsheet". GitHub. 18 Nisan 2017 tarihinde kaynağından arşivlendi. Erişim tarihi: 11 Nisan 2017.
  51. "cltorch". GitHub. 5 Mart 2017 tarihinde kaynağından arşivlendi. Erişim tarihi: 11 Nisan 2017.
  52. "Torch CUDA backend". GitHub. 5 Mart 2017 tarihinde kaynağından arşivlendi. Erişim tarihi: 11 Nisan 2017.
  53. "Torch CUDA backend for nn". GitHub. 5 Mart 2017 tarihinde kaynağından arşivlendi. Erişim tarihi: 11 Nisan 2017.
  54. https://github.com/twitter/torch-autograd
  55. "ModelZoo". GitHub. 5 Mart 2017 tarihinde kaynağından arşivlendi. Erişim tarihi: 11 Nisan 2017.
  56. "Arşivlenmiş kopya". 18 Nisan 2017 tarihinde kaynağından arşivlendi. Erişim tarihi: 11 Nisan 2017.
  57. http://blog.stephenwolfram.com/2017/03/the-rd-pipeline-continues-launching-version-11-1/
This article is issued from Wikipedia. The text is licensed under Creative Commons - Attribution - Sharealike. Additional terms may apply for the media files.