Meilleure bibliothèque Julia pour les réseaux de neurones

Question

J'utilise cette bibliothèque pour la construction et l'analyse des réseaux de neurones de base.

Toutefois, il ne prend pas en charge pour la construction de réseaux de neurones à couches multiples, etc.

Alors, je voudrais savoir de toutes les bibliothèques pour faire de belles réseaux de neurones avancés et l'apprentissage en profondeur Julia.

Answer 1

Mocha.jl - Mocha est un cadre d'apprentissage profond pour Julia, inspiré du C ++ cadre Caffe

Projet avec une bonne et des exemples. Peut être exécuté sur backend CPU et GPU.

Answer 2

MXNet Julia Package - l'apprentissage en profondeur flexible et efficace Julia

https://github.com/dmlc/MXNet.jl

Plus

• rapide
• Balances à plusieurs processeurs graphiques et distribué avec la mise en parallélisme automatique.
• Léger, mémoire efficace et portable pour appareils intelligents.
• Différenciation automatique

Contre

• n'a pas encore les opérations de bas niveau pour la mise en œuvre algorithme. Mais ils travaillent sur cette question ( https://github.com/dmlc/mxnet/issues/586 )

Answer 3

OCT 2016, est aussi une enveloppe tensorflow pour Julia:

https://github.com/malmaud/TensorFlow.jl

Answer 4

Il suffit d'ajouter une version plus récente (2019). Réponse: Flux

Flux is an elegant approach to machine learning. It's a 100% pure-Julia stack,
and provides lightweight abstractions on top of Julia's native GPU and
AD support. Flux makes the easy things easy while remaining fully hackable.

Par exemple:

model = Chain(
  Dense(768, 128, σ),
  LSTM(128, 256),
  LSTM(256, 128),
  Dense(128, 10),
  softmax)

loss(x, y) = crossentropy(model(x), y)

Flux.train!(loss, data, ADAM(...))

Answer 5

Une nouvelle bibliothèque à regarder comme il est bien Knet.jl. Il fera des choses comme processeurs graphiques d'utilisation sous le capot.

https://github.com/denizyuret/Knet.jl