[Data Science MeetUp] Neural Network - Константин Созыкин (RoadAR): Современные фреймворки для deep learning
0 likes107 views
Документ обсуждает различные фреймворки для глубокого обучения, такие как Theano, TensorFlow, Keras, Lasagne, MXNet, Caffe и Torch, с акцентом на их особенности, преимущества и недостатки. Также перечислены проекты автора, включая распознавание лиц и анализ хоккейных матчей. В конце представлены ссылки на туториалы для работы с MNIST и контактные данные автора.
[Data Science MeetUp] Neural Network - Константин Созыкин (RoadAR): Современные фреймворки для deep learning
- 1. Deep Learning: фреймворки Константин Созыкин Kazan Data Science MeetUp 14 июня 2017 г. 1/17
- 2. Содержание Почему обучение глубокое? Deep lerarning Фреймворки. Мои проекты 2/17
- 5. Symbolic vs. Imperative Programs Imperative подход import numpy as np a = np . ones (10) b = np . ones (10) ∗ 2 c = b ∗ a d = c + 1 Symbolic подход A = V a r i a b l e ( ’A ’ ) B = V a r i a b l e ( ’B ’ ) C = B ∗ A D = C + Constant (1) # compiles the f u n c t i o n f = compile (D) d = f (A=np . ones (10) , B=np . ones (10) ∗2) взято из http://mxnet.io/architecture/program_model.html#symbolic-vs-imperative-programs 5/17
- 6. Theano + гибкость, в т.к. в первую очередь это инструмент для вычислений производительность, при правильно использовании - долгая компиляция вычислительного графа. не-простое низкоуровневое api Кто использует - в основном исследователи 6/17
- 7. Tensorflow + большое коммьюнити хорошая документация наличие низко- и высоко-уровненных абстракции поддержка нескольких gpu - медленнее чем theano Кто использует: Google в своих продуктах, а так же исследователи. 7/17
- 8. Keras + возможность выбора Theano или Tensorflow как backend интуитивное API, хорошая документация много end-to-end решений. - меньшая гибкость Кто использует: Исследователи, участники соревнований 8/17
- 9. Lasagne + гибкость, несмотря на более высокий уровень абстракций - маленькое коммьюнити Кто использует: Исследователи 9/17
- 10. Mxnet + от авторов Xgboost высокая производительность и работа с памятью очень много поддерживаемых языков кроме Python. - маленькое коммьюнити Кто использует: Amazon 10/17
- 11. Caffe + ориентированность на визуальные задачи распространенность в продакшене скорость работы можно тренировать модели без единой строчки кода - ориентированность на визуальные задачи сложность в сборке ( настоящая боль ;) ) Недавно Facebook представил caffe2, который исправляет указанные недостатки и добавляет новые возможности, например ориентированность на мобильные платформы Кто использует: Facebook 11/17
- 12. Torch + lua императивный подход ( код чем-то похож на matlab или octave) очень много end-to-end решений, реализации разных статей и т.д. - lua, хотя недавно появился идейный наследник PyTorch слабая документация Кто использует: Twitter, Facebook, исследователи 12/17
- 13. Туториалы для MNIST KERAS https://elitedatascience.com/ keras-tutorial-deep-learning-in-python TENSORFLOW https://www.tensorflow.org/get_started/mnist/pros MXNET http://mxnet.io/tutorials/python/mnist.html 13/17
- 14. Мои проекты и исследования представлены только те, которые не касаются работы из реализованных: поиск лиц на изображении (theano + lasagne) 14/17
- 15. Мои проекты и исследования распознавание событиый на записях хоккеный матчей (keras + theano/tensorflow). Готовится публикация в IEEE издание. мультимодальный анализ видео, на примере игры "мафия". (keras + theano/tensorflow) 15/17
- 16. Мои проекты и исследования из текущих и будущих: feature fusion для медицинских изображений кое-какие идеи по обработке звука ... 16/17
- 17. Контакты Все контакты можно найти тут http://gogolgrind.github.io/ 17/17