Перейти к содержанию
🌲 С 2026 годом! 🥂
Пусть он будет победным! 🌟

Сравнение программ глубокого обучения

Эта статья находится на начальном уровне проработки, в одной из её версий выборочно используется текст из источника, распространяемого под свободной лицензией
Материал из энциклопедии Руниверсалис
(перенаправлено с «Программы глубинного обучения»)

Данная таблица проводит сопоставление фреймворков, библиотек программ и отдельных программ для глубокого обучения.

Обзор программ глубокого обучения

Наименование Разработчик Лицензия[a] Открытое Платформа Язык Интерфейс Поддержка OpenMP Поддержка OpenCL Поддержка CUDA Автоматическое дифференцирование Предварительное обучение рекуррентные сети свёрточные сети Машина Больцмана/Глубокая сеть доверия Параллельные вычисления
Apache SINGA[англ.] Apache Incubator Apache 2.0 Да Linux, Mac OS X, Windows C++ Python, C++, Java Нет Да Да Неизвестно Да Да Да Да Да
Caffe Berkeley Vision and Learning Center Лицензия BSD Да Linux, Mac OS X, Windows[1] C++ Python, MATLAB Да В разработке [2] Да Да Да[3] Да Да Нет Неизвестно
Deeplearning4j Группа Skymind, Adam Gibson Apache 2.0 Да Linux, Mac OS X, Windows, Android (Кроссплатформенность) Java Java, Scala, Clojure, Python (Keras) Да Нет[4] Да[5] Вычислительный граф Да[6] Да Да Да Да[7]
Dlib[англ.] Девис Кинг Лицензия Boost Да Кроссплатформенность C++ Python, C++ Да Нет Да Да Да Нет Да Да Да
Keras Франсуа Шолле Лицензия MIT Да Linux, Mac OS X, Windows Python Python Через Theano В стадии разработки через Theano, планируется через TensorFlow Да Да Да[8] Да Да Да Да[9]
Microsoft Cognitive Toolkit Microsoft Research Лицензия MIT[10] Да Windows, Linux[11] (OSX в планах через Docker) C++ Python, C++, командная строка,[12] BrainScript[13] (.NET в планах[14]) Да[15] Нет Да Да Да[16] Да[17] Да[17] Нет[18] Да[19]
MXNet[англ.] Distributed (Deep) Machine Learning Community Apache 2.0 Да Linux, Mac OS X, Windows,[20][21] AWS, Android,[22] iOS, JavaScript[23] малая корневая библиотека на C++ C++, Python, Julia, Matlab, JavaScript, Go, R, Scala, Perl Да В планах[24] Да Да[25] Да[26] Да Да Да Да[27]
Neural Designer[англ.] Artelnics Проприетарное Нет Linux, Mac OS X, Windows C++ Графический интерфейс пользователя Да Нет Нет Неизвестно Неизвестно Нет Нет Нет Неизвестно
OpenNN Artelnics GNU LGPL Да Кроссплатформенность C++ C++ Да Нет Нет Неизвестно Неизвестно Нет Нет Нет Неизвестно
TensorFlow Команда Google Brain Apache 2.0 Да Linux, Mac OS X, Windows[28] C++, Python Python, C/C++, Java, Go Нет В планах[29][30] Да Да[31] Да[32] Да Да Да Да
Theano Монреальский университет Лицензия BSD Да Кроссплатформенность Python Python Да В разработке [33] Да Да[34][35] Через зоопарк моделей Lasagne[36] Да Да Да Да[37]
Torch Ронан Коллобер, Корай Кавукчоглу, Клемент Фарабет Лицензия BSD Да Linux, Mac OS X, Windows,[38] Android,[39] iOS C, Lua Lua, LuaJIT,[40] C, библиотека утилит для C++/OpenCL[41] Да Внешняя реализация [42][43] Да[44][45] Через Autograd Твиттера[46] Да[47] Да Да Да Да[48]
Mathematica Wolfram Research Проприетарное Нет Windows, Mac OS X, Linux, Облачные вычисления C++ командная строка, Java, C++ Нет Да Да Да Да[49] Да Да Да Да
  1. ↑ отдельные компоненты библиотек могут обладать другими лицензиями

Связанное программное обеспечение

Примечания

  1. ↑ Microsoft/caffe. GitHub. Дата обращения: 22 июля 2017. Архивировано 22 апреля 2017 года. (англ.)
  2. ↑ OpenCL Caffe. Дата обращения: 22 июля 2017. Архивировано 22 марта 2017 года. (англ.)
  3. ↑ Caffe Model Zoo. Дата обращения: 22 июля 2017. Архивировано 24 ноября 2017 года. (англ.)
  4. ↑ Support for Open CL · Issue #27 · deeplearning4j/nd4j. GitHub. Дата обращения: 22 июля 2017. Архивировано 5 марта 2017 года. (англ.)
  5. ↑ N-Dimensional Scientific Computing for Java. Дата обращения: 22 июля 2017. Архивировано 16 октября 2016 года. (англ.)
  6. ↑ Chris Nicholson, Adam Gibson. Deeplearning4j Models (недоступная ссылка). Дата обращения: 22 июля 2017. Архивировано 11 февраля 2017 года. (англ.)
  7. ↑ Deeplearning4j. Deeplearning4j on Spark (недоступная ссылка). Deeplearning4j. Дата обращения: 22 июля 2017. Архивировано 13 июля 2017 года. (англ.)
  8. ↑ Keras Documentatin // Applications Архивная копия от 2 февраля 2017 на Wayback Machine (англ.)
  9. ↑ Does Keras support using multiple GPUs? · Issue #2436 · fchollet/keras Архивная копия от 5 марта 2017 на Wayback Machine (англ.)
  10. ↑ CNTK/LICENSE.md at master · Microsoft/CNTK · GitHub. GitHub. Дата обращения: 22 июля 2017. Архивировано 22 апреля 2017 года. (англ.)
  11. ↑ Setup CNTK on your machine. GitHub. Дата обращения: 22 июля 2017. Архивировано 8 мая 2017 года. (англ.)
  12. ↑ CNTK usage overview. GitHub. Дата обращения: 22 июля 2017. Архивировано 5 марта 2017 года. (англ.)
  13. ↑ BrainScript Network Builder. GitHub. Дата обращения: 22 июля 2017. Архивировано 5 марта 2017 года. (англ.)
  14. ↑ .NET Support · Issue #960 · Microsoft/CNTK. GitHub. Дата обращения: 22 июля 2017. Архивировано 5 марта 2017 года. (англ.)
  15. ↑ How to train a model using multiple machines? · Issue #59 · Microsoft/CNTK. GitHub. Дата обращения: 22 июля 2017. Архивировано 5 марта 2017 года. (англ.)
  16. ↑ (англ.) Prebuilt models for image classification · Issue #140 · Microsoft/CNTK · GitHub. Дата обращения: 4 января 2019. (англ.) Архивировано 5 марта 2017 года.
  17. ↑ 17,0 17,1 CNTK - Computational Network Toolkit. Microsoft Corporation. Дата обращения: 22 июля 2017. Архивировано 5 марта 2017 года. (англ.)
  18. ↑ url=https://github.com/Microsoft/CNTK/issues/534 Архивная копия от 5 марта 2017 на Wayback Machine (англ.)
  19. ↑ Multiple GPUs and machines. Microsoft Corporation. Дата обращения: 22 июля 2017. Архивировано 5 марта 2017 года. (англ.)
  20. ↑ Releases · dmlc/mxnet. Github. Дата обращения: 22 июля 2017. Архивировано 5 марта 2017 года. (англ.)
  21. ↑ Installation Guide — mxnet documentation. Readthdocs. Дата обращения: 22 июля 2017. Архивировано 30 сентября 2016 года. (англ.)
  22. ↑ MXNet Smart Device. ReadTheDocs. Дата обращения: 22 июля 2017. Архивировано 21 сентября 2016 года. (англ.)
  23. ↑ MXNet.js. Github. Дата обращения: 22 июля 2017. Архивировано 5 марта 2017 года. (англ.)
  24. ↑ Support for other Device Types, OpenCL AMD GPU · Issue #621 · dmlc/mxnet. GitHub. Дата обращения: 22 июля 2017. Архивировано 5 марта 2017 года. (англ.)
  25. ↑ http://mxnet.readthedocs.io/ (англ.) (недоступная ссылка)
  26. ↑ Model Gallery. GitHub. Дата обращения: 22 июля 2017. Архивировано 5 марта 2017 года. (англ.)
  27. ↑ Run MXNet on Multiple CPU/GPUs with Data Parallel. GitHub. Дата обращения: 22 июля 2017. Архивировано 28 сентября 2016 года. (англ.)
  28. ↑ TensorFlow 0.12 adds support for Windows Архивная копия от 20 марта 2017 на Wayback Machine (англ.)
  29. ↑ tensorflow/roadmap.md at master · tensorflow/tensorflow · GitHub. GitHub. (недоступная ссылка) (англ.)
  30. ↑ OpenCL support · Issue #22 · tensorflow/tensorflow. GitHub. Дата обращения: 22 июля 2017. Архивировано 5 марта 2017 года. (англ.)
  31. ↑ Архивированная копия (недоступная ссылка). Дата обращения: 22 июля 2017. Архивировано 2 июля 2016 года. (англ.)
  32. ↑ Источник. Дата обращения: 22 июля 2017. Архивировано 29 апреля 2017 года. (англ.)
  33. ↑ Using the GPU — Theano 0.8.2 documentation. Дата обращения: 22 июля 2017. Архивировано 1 апреля 2017 года. (англ.)
  34. ↑ Архивированная копия (недоступная ссылка). Дата обращения: 22 июля 2017. Архивировано 11 июля 2017 года. (англ.)
  35. ↑ (англ.) Группы Google
  36. ↑ Recipes/modelzoo at master · Lasagne/Recipes · GitHub. GitHub. Дата обращения: 22 июля 2017. Архивировано 5 марта 2017 года. (англ.)
  37. ↑ Using multiple GPUs — Theano 0.8.2 documentation Архивная копия от 4 мая 2017 на Wayback Machine (англ.)
  38. ↑ (англ.) Home · torch/torch7 Wiki · GitHub
  39. ↑ GitHub - soumith/torch-android: Torch-7 for Android. GitHub. Дата обращения: 22 июля 2017. Архивировано 22 апреля 2017 года. (англ.)
  40. ↑ Torch7: A Matlab-like Environment for Machine Learning. Дата обращения: 22 июля 2017. Архивировано 6 марта 2016 года. (англ.)
  41. ↑ GitHub - jonathantompson/jtorch: An OpenCL Torch Utility Library. GitHub. Дата обращения: 22 июля 2017. Архивировано 22 апреля 2017 года. (англ.)
  42. ↑ Cheatsheet. GitHub. Дата обращения: 22 июля 2017. Архивировано 18 апреля 2017 года. (англ.)
  43. ↑ cltorch. GitHub. Дата обращения: 22 июля 2017. Архивировано 5 марта 2017 года. (англ.)
  44. ↑ Torch CUDA backend. GitHub. Дата обращения: 22 июля 2017. Архивировано 5 марта 2017 года. (англ.)
  45. ↑ Torch CUDA backend for nn. GitHub. Дата обращения: 22 июля 2017. Архивировано 5 марта 2017 года. (англ.)
  46. ↑ Источник. Дата обращения: 22 июля 2017. Архивировано 4 января 2017 года. (англ.)
  47. ↑ ModelZoo. GitHub. Дата обращения: 22 июля 2017. Архивировано 5 марта 2017 года. (англ.)
  48. ↑ (англ.) Cheatsheet · torch/torch7 Wiki · GitHub. Дата обращения: 4 января 2019. (англ.) Архивировано 18 апреля 2017 года.
  49. ↑ Источник. Дата обращения: 22 июля 2017. Архивировано 22 апреля 2017 года. (англ.)
Источник — https://xn--h1ajim.xn--p1ai/index.php?title=Сравнение_программ_глубокого_обучения&oldid=27645660