Loading article…
次の表は、ディープラーニングアプリケーション向けの主要なソフトウェア フレームワーク、ライブラリ、およびコンピュータ プログラムを比較したものです。
名前によるディープラーニングソフトウェア
- ^ ab ここでのライセンスは概要であり、ライセンスの完全な記述ではありません。一部のライブラリは、異なるライセンスの下で他のライブラリを内部的に使用している場合があります。
機械学習モデルの互換性の比較
[さらなる説明が必要]
参照
参考文献
- ^ 「ディープラーニング — ROCm 4.5.0 ドキュメント」。2022年12月5日時点のオリジナルよりアーカイブ。2022年9月27日閲覧。
- ^ ab Atilim Gunes Baydin; Barak A. Pearlmutter; Alexey Andreyevich Radul; Jeffrey Mark Siskind (2015 年 2 月 20 日). 「機械学習における自動微分化: 調査」. arXiv : 1502.05767 [cs.LG].
- ^ “Microsoft/caffe”. GitHub . 2021年10月30日.
- ^ 「Caffe: ディープラーニングのための高速オープンフレームワーク」。2019 年 7 月 19 日 – GitHub 経由。
- ^ “カフェ | 模型動物園”.カフェ.berkeleyvision.org。
- ^ GitHub - BVLC/caffe: Caffe: ディープラーニングのための高速オープンフレームワーク。、Berkeley Vision and Learning Center、2019-09-25、2019-09-25取得
- ^ Preferred Networks がディープラーニング研究プラットフォームを PyTorch に移行、2019 年 12 月 5 日、 2019 年 12 月 27 日閲覧
- ^ 「Open CL のサポート · 問題 #27 · deeplearning4j/nd4j」。GitHub。
- ^ 「Java 用 N 次元科学計算」。2016 年 10 月 16 日時点のオリジナルよりアーカイブ。2016年 2 月 5 日閲覧。
- ^ 「トップディープラーニングフレームワークの比較」。Deeplearning4j。2017年11月7日時点のオリジナルよりアーカイブ。2017年10月31日閲覧。
- ^ Chris Nicholson、Adam Gibson。「Deeplearning4j Models」。2017年2月11日時点のオリジナルよりアーカイブ。2016年3月2日閲覧。
- ^ Deeplearning4j. 「Spark 上の Deeplearning4j」。Deeplearning4j。2017 年 7 月 13 日のオリジナルからアーカイブ。2016年 9 月 1 日に取得。
{{cite web}}: CS1 maint: 数値名: 著者リスト (リンク) - ^ 「メタルヘッド」. FluxML。 2021年10月29日。
- ^ ab 「Intel® Data Analytics Acceleration Library (Intel® DAAL)」。software.intel.com。2018年11月20日。
- ^ 「Intel® Math Kernel Library リリースノートと新機能」。Intel。
- ^ 「Intel® Math Kernel Library (Intel® MKL)」。software.intel.com。2018年9月11日。
- ^ 「ディープニューラルネットワーク関数」。software.intel.com。2019年5月24日。
- ^ 「スレッド化されたアプリケーションでの Intel® MKL の使用」。software.intel.com。2017年 6 月 1 日。
- ^ ab 「Intel® Xeon Phi™ がディープラーニングで競争力のあるパフォーマンスを実現し、さらに高速化を実現」。software.intel.com。2019年3月21日。
- ^ 「アプリケーション - Keras ドキュメント」. keras.io .
- ^ "Keras に RBM はありますか? · Issue #461 · keras-team/keras". GitHub。
- ^ "Keras は複数の GPU の使用をサポートしていますか? · Issue #2436 · keras-team/keras". GitHub。
- ^ 「GPU Coder - MATLAB & Simulink」。MathWorks 。 2017年11月13日閲覧。
- ^ 「自動微分化の背景 - MATLAB & Simulink」。MathWorks 2019年9月3日。 2019年11月19日閲覧。
- ^ abc 「Neural Network Toolbox - MATLAB」。MathWorks 。 2017年11月13日閲覧。
- ^ 「ディープラーニングモデル - MATLAB & Simulink」。MathWorks 。 2017年11月13日閲覧。
- ^ 「Parallel Computing Toolbox - MATLAB」。MathWorks 。2017年11月13日閲覧。
- ^ "マスターの CNTK/LICENSE.md · Microsoft/CNTK". GitHub。
- ^ 「マシンに CNTK をセットアップする」。GitHub。
- ^ 「CNTK の使用法の概要」。GitHub。
- ^ 「BrainScript ネットワーク ビルダー」。GitHub。
- ^ 「.NET サポート · 問題 #960 · Microsoft/CNTK」。GitHub。
- ^ 「複数のマシンを使用してモデルをトレーニングする方法? · 問題 #59 · Microsoft/CNTK」。GitHub。
- ^ 「画像分類用の事前構築済みモデル · 問題 #140 · microsoft/CNTK」。GitHub。
- ^ ab "CNTK - 計算ネットワーク ツールキット". Microsoft Corporation.
- ^ 「Restricted Boltzmann Machine with CNTK #534」。GitHub, Inc. 2016年5月27日。 2023年10月30日閲覧。
- ^ 「複数の GPU とマシン」。Microsoft Corporation。
- ^ 「免責事項」。CNTK チーム。2021 年 11 月 6 日。
- ^ 「リリース · dmlc/mxnet」。Github。
- ^ 「 インストールガイド — mxnet ドキュメント」。Readthdocs 。
- ^ 「MXNet Smart Device」。ReadTheDocs。2016年9月21日時点のオリジナルよりアーカイブ。2016年5月19日閲覧。
- ^ “MXNet.js”. Github . 2021年10月28日.
- ^ 「— mxnet.io にリダイレクト」mxnet.readthedocs.io。
- ^ 「モデルギャラリー」。GitHub。2022年10月29日。
- ^ 「データ並列で複数の CPU/GPU 上で MXNet を実行する」。GitHub。
- ^ “PyTorch”. 2021年12月17日.
- ^ 「Falbel D、Luraschi J (2023)。torch: 'GPU' アクセラレーションを備えたテンソルとニューラルネットワーク」。torch.mlverse.org 。2023年11月28日閲覧。
- ^ 「pytorch の OpenCL ビルド: (進行中、使用不可) - hughperkins/pytorch-coriander」。2019 年 7 月 14 日 – GitHub 経由。
- ^ 「DLPrimitives/OpenCL out of tree backend for pytorch - artyom-beilis/pytorch_dlprim」。2022年1月21日 – GitHub経由。
- ^ 「OpenCL サポート · 問題 #488 · pytorch/pytorch」。GitHub。
- ^ 「PyTorch の制限付きボルツマンマシン (RBM)」。GitHub。2022年 11 月 14 日。
- ^ 「pip を使用して TensorFlow をインストールする」。
- ^ 「TensorFlow 0.12 で Windows のサポートが追加」。
- ^ Allaire, JJ; Kalinowski, T.; Falbel, D.; Eddelbuettel, D.; Yuan, T.; Golding, N. (2023 年 9 月 28 日). 「tensorflow: R Interface to 'TensorFlow'」. The Comprehensive R Archive Network . 2023 年10 月 30 日閲覧。
- ^ 「tensorflow/roadmap.md at master」。GitHub 。 2017年1月23日。 2017年5月21日閲覧。
- ^ 「OpenCL サポート」。GitHub。
- ^ 「TensorFlow」。TensorFlow。
- ^ 「TensorFlow で構築されたモデルと例」。2019 年 7 月 19 日 – GitHub 経由。
- ^ 「GPU の使用: Theano 0.8.2 ドキュメント」。2017 年 4 月 1 日時点のオリジナルよりアーカイブ。2016 年 1 月 21 日閲覧。
- ^ 「gradient – Symbolic Differentiation — Theano 1.0.0 ドキュメント」。deeplearning.net。
- ^ 「自動微分化と記号微分化」。
- ^ 「Recipes/modelzoo at master · Lasagne/Recipes」。GitHub。
- ^ 「複数の GPU の使用 — Theano 1.0.0 ドキュメント」。deeplearning.net。
- ^ ab "torch/torch7". 2019年7月18日 – GitHub経由。
- ^ 「GitHub - soumith/torch-android: Torch-7 for Android」。GitHub 。 2021年10月13日。
- ^ 「Torch7: 機械学習のためのMATLABのような環境」(PDF)。
- ^ 「GitHub - jonathantompson/jtorch: OpenCL Torchユーティリティライブラリ」。GitHub 。 2020年11月18日。
- ^ 「チートシート」。GitHub。
- ^ "cltorch". GitHub .
- ^ 「Torch CUDA バックエンド」。GitHub。
- ^ 「nn 用の Torch CUDA バックエンド」。GitHub。
- ^ 「Autograd はネイティブ Torch コードを自動的に区別します: twitter/torch-autograd」。2019 年 7 月 9 日 – GitHub 経由。
- ^ 「ModelZoo」。GitHub。
- ^ 「Mathematica 10の起動」。Wolfram。
- ^ 「Wolfram Neural Net ニューラル ネットワーク モデルのリポジトリ」。resources.wolframcloud.com。
- ^ 「並列コンピューティング - Wolfram言語ドキュメント」reference.wolfram.com。
- ^ 「ディープラーニング — ROCm 4.5.0 ドキュメント」。2022年12月5日時点のオリジナルよりアーカイブ。2022年9月27日閲覧。