สุดยอดห้องสมุด Julia สำหรับโครงข่ายประสาทเทียม

ฉันใช้ห้องสมุดนี้เพื่อการสร้างและวิเคราะห์โครงข่ายประสาทขั้นพื้นฐาน

อย่างไรก็ตามมันไม่ได้รับการสนับสนุนสำหรับการสร้างโครงข่ายประสาทหลายชั้น ฯลฯ

ดังนั้นฉันอยากจะรู้ว่ามีห้องสมุดที่ดีสำหรับการทำโครงข่ายประสาทขั้นสูงและการเรียนรู้ลึกในจูเลีย

Mocha.jl - Mocha เป็นกรอบการเรียนรู้ลึกสำหรับจูเลียแรงบันดาลใจจาก C ++ กรอบ Caffe

โครงการที่มีเอกสารและตัวอย่างที่ดี สามารถทำงานบน CPU และ GPU แบ็กเอนด์

แพ็คเกจ MXNet Julia - การเรียนรู้อย่างยืดหยุ่นและมีประสิทธิภาพใน Julia

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

ข้อดี

• รวดเร็ว
• ปรับขนาดได้ถึง GPU หลายตัวและการตั้งค่าแบบกระจายพร้อมความขนานอัตโนมัติ
• น้ำหนักเบาหน่วยความจำมีประสิทธิภาพและพกพาไปยังอุปกรณ์สมาร์ท
• ความแตกต่างอัตโนมัติ

จุดด้อย

• ยังไม่มีการดำเนินการระดับต่ำสำหรับการใช้อัลกอริทึม แต่พวกเขากำลังแก้ไขปัญหานี้ ( https://github.com/dmlc/mxnet/issues/586 )

ตั้งแต่ตุลาคม 2559 มีเสื้อคลุม Tensorflow สำหรับ Julia ด้วย:

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

เพียงเพื่อเพิ่มมากขึ้นล่าสุด (2019) คำตอบ: ฟลักซ์

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.

ตัวอย่างเช่น:

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(...))

ห้องสมุดใหม่ที่ให้ดูเช่นกันคือ Knet.jl มันจะทำสิ่งต่าง ๆ เช่นใช้ GPU ภายใต้ประทุน

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