Vergleich von Deep-Learning-Software - Comparison of deep-learning software

Die folgende Tabelle vergleicht bemerkenswerte Software-Frameworks , Bibliotheken und Computerprogramme für Deep Learning .

Deep-Learning-Software nach Namen

Software Schöpfer Erstveröffentlichung Softwarelizenz Open Source Plattform Geschrieben in Schnittstelle OpenMP- Unterstützung OpenCL- Unterstützung CUDA- Unterstützung Automatische Unterscheidung Hat vortrainierte Modelle Wiederkehrende Netze Faltungsnetze RBM / DBN Parallele Ausführung (Multi-Node) Aktiv entwickelt
BigDL Jason Dai (Intelligenz) 2016 Apache 2.0 Jawohl Apache Spark Scala Scala, Python Nein Jawohl Jawohl Jawohl
Kaffee Berkeley Vision and Learning Center 2013 BSD Jawohl Linux , macOS , Windows C++ Python , MATLAB , C++ Jawohl In Entwicklung Jawohl Jawohl Jawohl Jawohl Jawohl Nein ? Nein
Kettenspanner Bevorzugte Netzwerke 2015 BSD Jawohl Linux , macOS Python Python Nein Nein Jawohl Jawohl Jawohl Jawohl Jawohl Nein Jawohl Nein
Deeplearning4j Skymind-Ingenieurteam; Deeplearning4j-Community; ursprünglich Adam Gibson 2014 Apache 2.0 Jawohl Linux , macOS , Windows , Android ( plattformübergreifend ) C++ , Java Java , Scala , Clojure , Python ( Keras ), Kotlin Jawohl Nein Jawohl Computergrafik Jawohl Jawohl Jawohl Jawohl Jawohl Jawohl
Dlib Davis King 2002 Softwarelizenz erhöhen Jawohl Plattformübergreifend C++ C++ , Python Jawohl Nein Jawohl Jawohl Jawohl Nein Jawohl Jawohl Jawohl
Fluss Mike Innes 2017 MIT-Lizenz Jawohl Linux , MacOS , Windows ( plattformübergreifend ) Julia Julia Jawohl Jawohl Jawohl Jawohl Jawohl Nein Jawohl Jawohl
Intel Data Analytics Acceleration Library Intel 2015 Apache-Lizenz 2.0 Jawohl Linux , macOS , Windows auf Intel- CPU C++ , Python , Java C++ , Python , Java Jawohl Nein Nein Jawohl Nein Jawohl Jawohl
Intel Math Kernel-Bibliothek Intel Proprietär Nein Linux , macOS , Windows auf Intel- CPU C Jawohl Nein Nein Jawohl Nein Jawohl Jawohl Nein
Keras François Chollet 2015 MIT-Lizenz Jawohl Linux , macOS , Windows Python Python , R Nur wenn Theano als Backend verwendet wird Kann Theano, Tensorflow oder PlaidML als Backends verwenden Jawohl Jawohl Jawohl Jawohl Jawohl Nein Jawohl Jawohl
MATLAB + Deep-Learning-Toolbox MathWorks Proprietär Nein Linux , macOS , Windows C , C++ , Java , MATLAB MATLAB Nein Nein Trainieren Sie mit der Parallel Computing Toolbox und generieren Sie CUDA-Code mit GPU Coder Jawohl Jawohl Jawohl Jawohl Jawohl Mit Parallel Computing Toolbox Jawohl
Microsoft Cognitive Toolkit (CNTK) Microsoft-Forschung 2016 MIT-Lizenz Jawohl Windows , Linux ( macOS über Docker auf Roadmap) C++ Python ( Keras ), C++ , Befehlszeile , BrainScript ( .NET auf der Roadmap) Jawohl Nein Jawohl Jawohl Jawohl Jawohl Jawohl Nein Jawohl Nein
Apache MXNet Apache Software Foundation 2015 Apache 2.0 Jawohl Linux , macOS , Windows , AWS , Android , iOS , JavaScript Kleine C++- Kernbibliothek C++ , Python , Julia , Matlab , JavaScript , Go , R , Scala , Perl , Clojure Jawohl Auf der Roadmap Jawohl Jawohl Jawohl Jawohl Jawohl Jawohl Jawohl Jawohl
Neuronale Designer Artelnics 2014 Proprietär Nein Linux , macOS , Windows C++ Grafische Benutzeroberfläche Jawohl Nein Jawohl Analytische Differenzierung Nein Nein Nein Nein Jawohl Jawohl
OpenNN Artelnics 2003 GNU LGPL Jawohl Plattformübergreifend C++ C++ Jawohl Nein Jawohl ? ? Nein Nein Nein ?
PlaidML Vertex.AI , Intel 2017 Apache 2.0 Jawohl Linux , macOS , Windows Python , C++ , OpenCL Python , C++ ? Einige OpenCL-ICDs werden nicht erkannt Nein Jawohl Jawohl Jawohl Jawohl Jawohl Jawohl
PyTorch Adam Paszke, Sam Gross, Soumith Chintala, Gregory Chanan (Facebook) 2016 BSD Jawohl Linux , macOS , Windows Python , C , C++ , CUDA Python , C++ , Julia Jawohl Über separat gepflegtes Paket Jawohl Jawohl Jawohl Jawohl Jawohl Jawohl Jawohl
Seq2SeqSharp Zhongkai Fu 2018 BSD Jawohl Linux , macOS , Windows C# , C , C++ , CUDA C# Jawohl Nein Jawohl Jawohl Jawohl Jawohl Nein Nein Jawohl Jawohl
Apache SINGA Apache Software Foundation 2015 Apache 2.0 Jawohl Linux , macOS , Windows C++ Python , C++ , Java Nein Unterstützt in V1.0 Jawohl ? Jawohl Jawohl Jawohl Jawohl Jawohl
TensorFlow Google Gehirn 2015 Apache 2.0 Jawohl Linux , macOS , Windows , Android C++ , Python , CUDA Python ( Keras ), C / C++ , Java , Go , JavaScript , R , Julia , Swift Nein Auf Roadmap, aber bereits mit SYCL- Unterstützung Jawohl Jawohl Jawohl Jawohl Jawohl Jawohl Jawohl Jawohl
Theano Universität von Montreal 2007 BSD Jawohl Plattformübergreifend Python Python ( Keras ) Jawohl In Entwicklung Jawohl Jawohl Durch Lasagnes Musterzoo Jawohl Jawohl Jawohl Jawohl Nein
Fackel Ronan Collobert, Koray Kavukcuoglu, Clement Farabet 2002 BSD Jawohl Linux , macOS , Windows , Android , iOS C , Lua Lua , LuaJIT , C , Dienstprogrammbibliothek für C++ / OpenCL Jawohl Implementierungen von Drittanbietern Jawohl Durch Twitters Autograd Jawohl Jawohl Jawohl Jawohl Jawohl Nein
Wolfram Mathematica Wolfram-Forschung 1988 Proprietär Nein Windows , macOS , Linux , Cloud-Computing C++ , Wolfram-Sprache , CUDA Wolfram-Sprache Jawohl Nein Jawohl Jawohl Jawohl Jawohl Jawohl Jawohl Jawohl Jawohl
Software Schöpfer Erstveröffentlichung Softwarelizenz Open Source Plattform Geschrieben in Schnittstelle OpenMP- Unterstützung OpenCL- Unterstützung CUDA- Unterstützung Automatische Unterscheidung Hat vortrainierte Modelle Wiederkehrende Netze Faltungsnetze RBM / DBN Parallele Ausführung (Multi-Node) Aktiv entwickelt

Vergleich der Kompatibilität von Machine-Learning-Modellen

Name formatieren Designziel Kompatibel mit anderen Formaten Eigenständiges DNN-Modell Vor- und Nachbearbeitung Laufzeitkonfiguration für Tuning & Kalibrierung DNN-Modell-Verbindung Gemeinsame Plattform
TensorFlow , Keras , Caffe , Fackel , ONNX , Algorithmustraining Nein Nein / Dateien in den meisten Formaten trennen Nein Nein Nein Jawohl
ONNX Algorithmustraining Jawohl Nein / Dateien in den meisten Formaten trennen Nein Nein Nein Jawohl

Siehe auch

Verweise