最好有lasagne,keras,pylearn2,nolearn这几个的比较,张量和符号计算框架我已经选定使用theano了,上层的库用哪个好呢?
首先要文档尽可能详尽的,其次要架构清晰,继承和调用方便的。
回复内容:
基于Python的各个库个人最喜欢的是Keras,对于各种计算模式都有很好的wrapper,所以如果要实现一些标准模型很趁手。我和Francois聊过,他对Keras的定位很明确:Keras是一个类似API层的存在,后端引擎的计算和优化是和前端模型分开的,所以可以根据需要换不同的后端。为什么后端可换是个好事?因为所有基于Theano的库都会有一个潜在的问题,就是编译时间很慢,Theano天生的。。。所以题主如果喜欢Python的话,不妨关注一下cgt:
Computation Graph Toolkit
实时编译很快,简单地说就是有Theano的功能,没有Theano的软肋。
最后容我恶搞一下,基于Python的library其实还有一个decaf,这个才叫比Pylearn2更加彻底的弃楼停止开发(逃 不知道哪家最强,只知道pylearn2最烂。曾经花了大概一个月的时间学过,简直噩梦,还好停止开发了。 首先,Pylearn2 也能位列其中...
题主大概是百度了一个几百年前的“经验帖”吧..
其次,题主问的是“用哪个库”。如果从“装逼性”来说 那必然单单上手Theao 自己开心编编DNN是坠吼的.. 但是这么回答真的很欠揍且学习曲线巨tm离谱...
然后呢,什么lasagne,keras,passage啊等一堆库 都是站在theano肩膀上的耶稣们而已... 他们极大地削弱了上手深度学习算法的难度.. 换句话说就是:傻瓜式调用。其实用哪个都差不多。
记得今年伦敦一场深度学习峰会 有好事者po过一张python library的阶级对比图(正在搜索原图中...)我清楚的记得lasagne是稳稳的第一名。从我目前接触的层面来看 lasagne确实以其严谨的构架逻辑 与 较强的可适性,甚至已经捕获了欧美一帮深度大牛的芳心。但是它方法命名与调用的各种用语习惯和专业术语跟我接触的流派不同... 所以我很不想接受... (简单的说就是 它的documentation与我本人气场不符~)
还有,我是个看脸的人... lasagne主页那套免费的模版..真是不忍直视...
于是当年的我果断选择了Keras~
至少他的主页搞了个风格主题~
多年的经验告诉我
颜值靠谱的公司 质量不会太差哦~
Keras的社区活跃程度和维护力度确实是让我有点感动的。基本上issue可以做到24h内完美解答...唯一问题是 keras的维护们灰常清高 经常是自以为是的回答一下就关了issue.. 然而他们其实也并没有解决问题... 还好用keras的孩子们都知道把open和close的issue都搜一圈... 要不然 真尼玛问个问题就被秒回一脸“傻d你这都不懂” 然后石沉大海。
当然最好的武器 还是你自己的“私人库”。毕竟你自己要做的项目有很多很多的定制化的东西 特别是keras本身还很初级。他们太注重“给傻瓜用”了,导致很多功能都很局限。你要是有些奇思妙想,比如给CNN搞个新的pipeline、给图片做完预处理再送入CNN等.. 他们现有的methods是解决不了的。
所以嘛,最好的解决方案 是去Github上fork他们,自己开个吊吊的branch,起个吊吊的名字,modify一些自己觉得惊为天人的新玩法。
结局也无怪乎
分分钟被人f*k了..
或者分分钟改变了世界..
对不~ 看github上的統計的貢獻者數量, issues跟星星等, 先去人多的地方, 用了不合適再換人少一點的, 我自己是用這方式選了keras
提一下pylearn2是失敗作, 主要開發者承認過度工程 bug全都一堆一堆 nolearn+Theano+lasagne 你在这提问的话我估计过一会mxnet吹就要来了 这问题就是递归,直至栈爆! pylearn2已经停止开发,就没关注过;如果主要为了使用定制好的模块,keras极其方便,上手容易,更新频率还不错,现在除了theano还支持tensorflow了,有问题可在keras-users或github提问;lasagne没用过,blocks可以直接从写好的computationgraph()调用theano.function,这样与theano写的代码结合使用挺方便的,而且还有attention的模块(我就是为了这个才看blocks的,我试着用keras写过,简直累死),不过它读取数据的模块fuel觉得挺复杂的,现在版本才更新到0.1.1,配置环境比keras要麻烦一些,仅供参考。另外推荐关注一下mxnet,粗略试过,显存占用率低,编译速度比theano快很多,不过想实现自定义功能相比于基于theano的会麻烦些 keras应该是最容易上手的深度学习框架,纯python的特性使得阅读和修改源代码都非常方便,毕竟python比C++不知道简单到哪里去了。文档也比较齐全,目前支持Theano+keras和Tensorflow+Keras。
打个小广告,建了个讨论keras和深度学习的群,欢迎加119427073,欢迎大神和小白

本教程演示如何使用Python處理Zipf定律這一統計概念,並展示Python在處理該定律時讀取和排序大型文本文件的效率。 您可能想知道Zipf分佈這個術語是什麼意思。要理解這個術語,我們首先需要定義Zipf定律。別擔心,我會盡量簡化說明。 Zipf定律 Zipf定律簡單來說就是:在一個大型自然語言語料庫中,最頻繁出現的詞的出現頻率大約是第二頻繁詞的兩倍,是第三頻繁詞的三倍,是第四頻繁詞的四倍,以此類推。 讓我們來看一個例子。如果您查看美國英語的Brown語料庫,您會注意到最頻繁出現的詞是“th

本文解釋瞭如何使用美麗的湯庫來解析html。 它詳細介紹了常見方法,例如find(),find_all(),select()和get_text(),以用於數據提取,處理不同的HTML結構和錯誤以及替代方案(SEL)

處理嘈雜的圖像是一個常見的問題,尤其是手機或低分辨率攝像頭照片。 本教程使用OpenCV探索Python中的圖像過濾技術來解決此問題。 圖像過濾:功能強大的工具圖像過濾器

PDF 文件因其跨平台兼容性而廣受歡迎,內容和佈局在不同操作系統、閱讀設備和軟件上保持一致。然而,與 Python 處理純文本文件不同,PDF 文件是二進製文件,結構更複雜,包含字體、顏色和圖像等元素。 幸運的是,借助 Python 的外部模塊,處理 PDF 文件並非難事。本文將使用 PyPDF2 模塊演示如何打開 PDF 文件、打印頁面和提取文本。關於 PDF 文件的創建和編輯,請參考我的另一篇教程。 準備工作 核心在於使用外部模塊 PyPDF2。首先,使用 pip 安裝它: pip 是 P

本教程演示瞭如何利用Redis緩存以提高Python應用程序的性能,特別是在Django框架內。 我們將介紹REDIS安裝,Django配置和性能比較,以突出顯示BENE

本文比較了Tensorflow和Pytorch的深度學習。 它詳細介紹了所涉及的步驟:數據準備,模型構建,培訓,評估和部署。 框架之間的關鍵差異,特別是關於計算刻度的

Python是數據科學和處理的最愛,為高性能計算提供了豐富的生態系統。但是,Python中的並行編程提出了獨特的挑戰。本教程探討了這些挑戰,重點是全球解釋

本教程演示了在Python 3中創建自定義管道數據結構,利用類和操作員超載以增強功能。 管道的靈活性在於它能夠將一系列函數應用於數據集的能力,GE


熱AI工具

Undresser.AI Undress
人工智慧驅動的應用程序,用於創建逼真的裸體照片

AI Clothes Remover
用於從照片中去除衣服的線上人工智慧工具。

Undress AI Tool
免費脫衣圖片

Clothoff.io
AI脫衣器

AI Hentai Generator
免費產生 AI 無盡。

熱門文章

熱工具

Safe Exam Browser
Safe Exam Browser是一個安全的瀏覽器環境,安全地進行線上考試。該軟體將任何電腦變成一個安全的工作站。它控制對任何實用工具的訪問,並防止學生使用未經授權的資源。

DVWA
Damn Vulnerable Web App (DVWA) 是一個PHP/MySQL的Web應用程序,非常容易受到攻擊。它的主要目標是成為安全專業人員在合法環境中測試自己的技能和工具的輔助工具,幫助Web開發人員更好地理解保護網路應用程式的過程,並幫助教師/學生在課堂環境中教授/學習Web應用程式安全性。 DVWA的目標是透過簡單直接的介面練習一些最常見的Web漏洞,難度各不相同。請注意,該軟體中

SublimeText3 英文版
推薦:為Win版本,支援程式碼提示!

EditPlus 中文破解版
體積小,語法高亮,不支援程式碼提示功能

SublimeText3 Linux新版
SublimeText3 Linux最新版