Лучшая библиотека Джулии для нейронных сетей
-
16-10-2019 - |
Вопрос
Я использовал эту библиотеку для базовой конструкции и анализа нейронной сети.
Тем не менее, он не поддерживает создание многослойных нейронных сетей и т. Д.
Итак, я хотел бы знать о любых хороших библиотеках для выполнения передовых нейронных сетей и глубокого обучения в Джулии.
Решение
Mocha.jl - Mocha - это глубокая структура обучения для Джулии, вдохновленная кафе C ++.
Проект с хорошим документация и примеры. Можно запустить на процессоре и графическом процессоре.
Другие советы
Mxnet Julia Package - Гибкое и эффективное глубокое обучение в Юлии
https://github.com/dmlc/mxnet.jl
Плюс
- Быстро
- Масштабируется до нескольких графических процессоров и распределенных настройки с автоматической параллелизмом.
- Легкая, память эффективна и портативна для интеллектуальных устройств.
- Автоматическая дифференциация
Минусы
- Еще не имеет низкого уровня операций для реализации алгоритма. Но они работают над этим вопросом (https://github.com/dmlc/mxnet/issues/586)
По состоянию на октябрь 2016 года для Джулии также есть обертка для тензорфлова:
Просто чтобы добавить более поздний ответ (2019) ответ: Поток.
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.
Например:
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(...))
Одна новая библиотека, на которую можно посмотреть, это Knet.jl. Он будет делать такие вещи, как использовать графические процессоры под капюшоном.