貢献度が最も高い GitHub コレクションとディープラーニング フレームワーク 16 選

ビッグデータ概要

編纂者：Jingzhe、Shijintian、Jiang Baoshang

ディープラーニングは、データの経験的学習に基づく機械学習手法であり、近年発展し、人気が高まっています。

比較的新しい概念であるため、この分野に参入しようとしている初心者でも、すでに方法を知っている経験豊富な人でも、すぐに利用できる学習リソースが数多くあります。

絶えず変化する技術やトレンドに淘汰されないためには、ディープラーニング コミュニティのオープンソース プロジェクトの学習と交流に積極的に参加することが良い方法です。

この記事では、GitHub で最も人気のあるディープラーニングのオープンソース プラットフォームとライブラリ 16 個を紹介します。また、リストに載っていない優れたプラットフォームやフレームワークもいくつかありますが、参考までにリストに載せています。

GitHub の収集率と貢献率が最も高い 16 のオープンソース ディープラーニング フレームワーク。円が緑色になるほど新しいフレームワーク、円が青色になるほど古いフレームワークです。

上の図からわかるように、TensorFlow が 1 位、Keras と Caffe がそれぞれ 2 位と 3 位にランクされています。以下では、これらのリソースを皆さんと共有します。

オープンソースのディープラーニングフレームワークとプラットフォームのベスト16

1. テンソルフロー

TensorFlow はもともと、Google の機械知能研究組織内の Google Brain チームの研究者とエンジニアによって開発されました。このフレームワークは、研究者による機械学習の研究を促進し、研究モデルから実際の生産への移行プロセスを簡素化することを目的としています。

コレクション: 96655、貢献者: 1432、コミット: 31714、ビルド日: 2015 年 11 月 1 日。

リンク: https://github.com/tensorflow/tensorflow

2 ケラス

Keras は、TensorFlow、CNTK、Theano で使用できる Python で記述された高レベル ニューラル ネットワーク API です。

スター: 28385、貢献者: 653、コミット: 4468、作成日: 2015 年 3 月 22 日。

リンク: https://github.com/keras-team/keras

3. カフェ

Caffe は、表現力、速度、モジュール性を重視したディープラーニング フレームワークです。Berkeley Vision and Learning Center とコミュニティ貢献者によって開発されました。

スター: 23750、貢献者: 267、コミット: 4128、ビルド日: 2015 年 9 月 8 日。

リンク: https://github.com/BVLC/caffe

4. Microsoft 認知ツールキット

Microsoft Cognitive Toolkit (旧称 CNTK) は、ニューラル ネットワークを有向グラフとして表される一連の計算ステップとして記述する統合ディープ ラーニング ツールセットです。

コレクション: 14243、貢献者: 174、コミット: 15613、作成日: 2014 年 7 月 27 日。

リンク: https://github.com/Microsoft/CNTK

5. パイトーチ

PyTorch は、Python と強力な GPU サポートを統合した、テンソル コンピューティングと動的ニューラル ネットワークのフレームワークです。

コレクション: 14101、貢献者: 601、コミット: 10733、作成日: 2012 年 1 月 22 日。

リンク: https://github.com/pytorch/pytorch

6. Apache MXnet

Apache MXnet は、効率性と柔軟性を重視して設計されたディープラーニング フレームワークです。これにより、ユーザーはシンボリックプログラミングと命令型プログラミングを組み合わせて、効率と生産性を最大化できます。

スター: 13699、貢献者: 516、コミット: 6953、作成日: 2015 年 4 月 26 日。

リンク: https://github.com/apache/incubator-mxnet

7. ディープラーニング4J

DeepLearning4J は、ND4J、DataVec、Arbiter、RL4J と同様に、Skymind Intelligence Layer の一部です。これは、Java と Scala で記述され、Apache 2.0 で認定されたオープンソースの分散ニューラル ネットワーク ライブラリです。

コレクション: 8725、貢献者: 141、コミット: 9647、作成日: 2013 年 11 月 24 日。

リンク: https://github.com/deeplearning4j/deeplearning4j

8. テアノ

Theano は、多次元配列を含むユーザー定義の数式を効率的に処理し、最適化および評価できます。 しかし、2017 年 9 月、Theano は 1.0 リリース以降は大きな進展はないと発表しました。しかし、がっかりしないでください。Theano は依然として、ディープラーニングの研究をサポートできる非常に強力なライブラリです。

コレクション: 8141、貢献者: 329、コミット: 27974、作成日: 2008 年 1 月 6 日。

リンク: https://github.com/Theano/Theano

9. TFラーニング

TFLearn は、TensorFlow 上に構築されたモジュール式の透過的なディープラーニング ライブラリであり、完全な透明性と互換性を維持しながら、実験的な研究を容易にし、加速するために、TensorFlow 用の高レベル API を提供することを目的としています。

コレクション: 7933、貢献者: 111、コミット: 589、作成日: 2016 年 3 月 27 日。

リンク: https://github.com/tflearn/tflearn

10. トーチ

Torch は Torch7 のメイン パッケージであり、多次元テンソルのデータ構造と数学演算を定義します。さらに、ファイルへのアクセス、任意のタイプのオブジェクトのシリアル化などのための多くのユーティリティも提供します。

コレクション: 7834、貢献者: 133、コミット: 1335、作成日: 2012 年 1 月 22 日。

リンク: https://github.com/torch/torch7

11. カフェ2

Caffe2 は、モジュール性やスケーラビリティなどの特性を備えた軽量のディープラーニング フレームワークです。オリジナルの Caffe を改良し、表現力、速度、モジュール性が向上しました。

コレクション: 7813、貢献者: 187、コミット: 3678、作成日: 2015 年 1 月 21 日。

リンク: https://github.com/caffe2/caffe2

12. パドルパドル

PaddlePaddle (並列分散ディープラーニング) は、使いやすく、効率的で、柔軟性と拡張性に優れたディープラーニング プラットフォームです。これはもともと、Baidu の科学者とエンジニアによって、Baidu の多くの製品にディープラーニングを適用するために開発されました。

コレクション: 6726、貢献者: 120、コミット: 13733、作成日: 2016 年 8 月 28 日。

リンク: https://github.com/PaddlePaddle/Paddle

13. DLib

DLib は、現実世界の問題を解決するために C++ で複雑なソフトウェアを開発するための機械学習アルゴリズムとツールを含む最新の C++ ツールキットです。

コレクション: 4676、貢献者: 107、コミット: 7276、作成日: 2008 年 4 月 27 日。

リンク: https://github.com/davisking/dlib

14. チェイナー

Chainer は、ディープラーニング モデル用の Python ベースの独立したオープン ソース フレームワークです。最新のリカレント ニューラル ネットワークや変分オートエンコーダーを含む、あらゆる種類のディープラーニング モデルを実装するための柔軟で直感的、かつ高性能な手段を提供します。

スター: 3685、貢献者: 160、コミット: 13700、作成日: 2015 年 4 月 12 日。

リンク: https://github.com/chainer/chainer

15. ネオン

Neon は、Nervana が開発した Python ベースのディープラーニング ライブラリです。使いやすく、同時に最高レベルのパフォーマンスを発揮します。

スター: 3466、貢献者: 77、コミット: 1112、作成日: 2015 年 5 月 3 日。

リンク: https://github.com/NervanaSystems/neon

16. ラザニア

Lasagne は、Theano 上でニューラル ネットワークを構築およびトレーニングするための軽量ライブラリです。

コレクション: 3417、貢献者: 64、コミット: 1150、作成日: 2014 年 9 月 7 日。

リンク: https://github.com/Lasagne/Lasagne

その他のオプション

• H2O.ai: https://github.com/h2oai/h2o-3
• pylearn: https://github.com/lisa-lab/pylearn2
• BigDL: https://github.com/intel-analytics/BigDL
• 将軍: https://github.com/shogun-toolbox/shogun
• Apache SINGA: https://github.com/apache/incubator-singa
• ブロック: https://github.com/mila-udem/blocks
• モカ: https://github.com/pluskid/Mocha.jl

関連レポート: https://www.kdnuggets.com/2018/04/top-16-open-source-deep-learning-libraries.html

[この記事は51CTOコラムBig Data Digest、WeChatパブリックアカウント「Big Data Digest（id: BigDataDigest）」のオリジナル翻訳です]

この著者の他の記事を読むにはここをクリックしてください