Migliore libreria Julia per le reti neurali
-
16-10-2019 - |
Domanda
Ho utilizzato questa libreria per la costruzione della rete neurale di base e l'analisi.
Tuttavia, non ha il supporto per la creazione di reti neurali a più strati, ecc.
Quindi, vorrei sapere di eventuali librerie belle per fare le reti neurali avanzate e Deep Learning in Julia.
Soluzione
Mocha.jl - Mocha è un framework Deep Learning per Julia, ispirato al C ++ quadro Caffe
Progetto con buona ed esempi. Può essere eseguito su CPU e GPU backend.
Altri suggerimenti
MXNet Julia Package - profondo apprendimento flessibile ed efficiente a Julia
https://github.com/dmlc/MXNet.jl
Pro
- veloce
- Scalabilità fino a multi-GPU e distribuito impostazione con il parallelismo auto.
- Leggero, efficiente della memoria e portatile per dispositivi intelligenti.
- Differenziazione automatica
Contro
- non ha ancora le operazioni di basso livello per l'algoritmo di attuazione. Ma si sta lavorando su questo tema ( https://github.com/dmlc/mxnet/issues/586 )
A partire da ottobre 2016 c'è anche un wrapper tensorflow per Julia:
Giusto per aggiungere un più recente (2019) risposta:. 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.
Ad esempio:
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(...))
Una nuova biblioteca per un'occhiata a come pure è Knet.jl. Lo farà le cose come le GPU uso sotto il cofano.