[go: nahoru, domu]
İçeriğe atla

Derin öğrenme yazılımlarının karşılaştırılması

Vikipedi, özgür ansiklopedi

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

Derin öğrenme yazılımlarının adları

[değiştir | kaynağı değiştir]
Yazılım Oluşturan Yazılım lisansı[a] Açık kaynak Platform Yazıldığı dil Arayüz OpenMP desteği OpenCL desteği CUDA desteği Otomatik diferansiyasyon[1] Önceden eğitilmiş modelleri var mı? Yinelenen ağ 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 Meta 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 Özel mülk 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 Özel mülk Hayır Windows, Mac OS X, Linux, Cloud computing C++ Wolfram Language Hayır Hayır Evet Evet Evet[57] Evet Evet Evet Evet
Ayrıca bakınız: Derin öğrenme yazılımlarının karşılaştırılması/Kaynaklar

Şablon:Hayırt listesi

Benzer yazılım

[değiştir | kaynağı değiştir]

Ayrıca bakınız

[değiştir | kaynağı değiştir]

Notlar

[değiştir | kaynağı değiştir]
  1. ^ Özet, tamamı çok karmaşık olabilir, başka yazılımları da içeriyor ve onların lisanslarına da uymak zorunda olabilir

Kaynakça

[değiştir | kaynağı değiştir]
  1. ^ Baydin, Atilim Gunes; Pearlmutter, Barak A.; Radul, Alexey Andreyevich; Siskind, Jeffrey Mark (20 Şubat 2015), Automatic differentiation in machine learning: a survey, arXiv:1502.05767 $2 
  2. ^ "Microsoft/caffe". GitHub. 22 Nisan 2017 tarihinde kaynağından arşivlendi. Erişim tarihi: 11 Nisan 2017. 
  3. ^ a b "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. ^ "Arşivlenmiş kopya". 2 Şubat 2017 tarihinde kaynağından arşivlendi. Erişim tarihi: 11 Nisan 2017. 
  13. ^ "Does Keras support using multiple GPUs? · Issue #2436 · fchollet/keras". 5 Mart 2017 tarihinde kaynağından arşivlendi. Erişim tarihi: 11 Nisan 2017. 
  14. ^ a b "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. ^ "Arşivlenmiş kopya". 5 Mart 2017 tarihinde kaynağından arşivlendi. Erişim tarihi: 11 Nisan 2017. 
  21. ^ a b "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 5 Mart 2017 tarihinde Wayback Machine sitesinde arşivlendi.
  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/[ölü/kırık bağlantı]
  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. ^ "Arşivlenmiş kopya". 20 Mart 2017 tarihinde kaynağından arşivlendi. Erişim tarihi: 11 Nisan 2017. 
  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, 6 Temmuz 2017 tarihinde kaynağından arşivlendi, 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. ^ "Arşivlenmiş kopya". 29 Nisan 2017 tarihinde kaynağından arşivlendi. Erişim tarihi: 11 Nisan 2017. 
  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 [yalın URL]
  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". 4 Mayıs 2017 tarihinde kaynağından arşivlendi. Erişim tarihi: 11 Nisan 2017. 
  46. ^ "Arşivlenmiş kopya". 5 Mart 2017 tarihinde kaynağından arşivlendi. Erişim tarihi: 11 Nisan 2017. 
  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. ^ "Arşivlenmiş kopya". 4 Ocak 2017 tarihinde kaynağından arşivlendi. Erişim tarihi: 11 Nisan 2017. 
  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. ^ "Arşivlenmiş kopya". 22 Nisan 2017 tarihinde kaynağından arşivlendi. Erişim tarihi: 11 Nisan 2017. 
"https://tr.wikipedia.org/w/index.php?title=Derin_öğrenme_yazılımlarının_karşılaştırılması&oldid=32757562" sayfasından alınmıştır