欢迎大家赞助一杯啤酒🍺 我们准备了下酒菜：Formal mathematics/Isabelle/ML, Formal verification/Coq/Agda, C++/Erlang/Lisp
Torch
来自开放百科 - 灰狐
（版本间的差异）
(以“Torch7是一个为机器学习算法提供广泛支持的科学计算框架，其中的神经网络工具包（Package）实现了均方标准差代价函数、非...”为内容创建页面) |
小 (→链接) |
||
| （未显示1个用户的9个中间版本） | |||
| 第2行： | 第2行： | ||
(内容来自：[http://www.infoq.com/cn/news/2015/07/facebook-accelerate-deep-learnin Facebook加速深度学习研发]) | (内容来自：[http://www.infoq.com/cn/news/2015/07/facebook-accelerate-deep-learnin Facebook加速深度学习研发]) | ||
| + | |||
| + | ==Caffe== | ||
| + | 计算机视觉的开源深度学习：Torch vs [[Caffe]] | ||
| + | |||
| + | [[image:torch-vs-caffe.jpg]] | ||
| + | |||
| + | ==App== | ||
| + | *[https://github.com/clementfarabet/torch-ios Torch7 for iOS] | ||
| + | *[https://github.com/soumith/torch-android Torch7 for Android] | ||
| + | |||
| + | ==项目== | ||
| + | *[https://github.com/torch/torch7/wiki/Cheatsheet Torch生态系统] | ||
| + | *[https://github.com/torch/trepl trepl] | ||
| + | *[https://github.com/clementfarabet/gfx.js gfx.js] | ||
| + | |||
| + | ==用户== | ||
| + | *Torch被Facebook人工智能研究实验室和位于伦敦的谷歌DeepMind大量使用。 | ||
| + | *[https://github.com/deepmind deepmind @ github] | ||
| + | *[https://github.com/facebook?utf8=%E2%9C%93&query=torch facebook torch 项目] | ||
| + | *[https://github.com/facebook/iTorch iTorch] | ||
| + | *[https://deepmind.github.io/torch-randomkit/ Randomkit RNG for Torch] | ||
| + | *[https://deepmind.github.io/torch-cephes/ Cephes Mathematical Library wrapped for Torch] | ||
==链接== | ==链接== | ||
*[http://www.torch.ch/ Torch官网] | *[http://www.torch.ch/ Torch官网] | ||
*[https://github.com/torch/torch7 Torch @ GitHub] | *[https://github.com/torch/torch7 Torch @ GitHub] | ||
| + | *[http://deeplearning4j.org/compare-dl4j-torch7-pylearn.html DL4J vs. Torch vs. Theano vs. Caffe vs. TensorFlow] | ||
[[category:machine learning]] | [[category:machine learning]] | ||
[[category:deep learning]] | [[category:deep learning]] | ||
| + | [[category:data science]] | ||
| + | [[category:computer vision]] | ||
| + | [[category:lua]] | ||
2016年3月31日 (四) 12:04的版本
Torch7是一个为机器学习算法提供广泛支持的科学计算框架，其中的神经网络工具包（Package）实现了均方标准差代价函数、非线性激活函数和梯度下降训练神经网络的算法等基础模块，可以方便地配置出目标多层神经网络。Torch长期以来都是很多机器学习和人工智能项目的核心，不仅是学术界，就连谷歌、Twitter和英特尔等企业也都使用这一架构。Facebook开发了一些能够在Torch7上更快速地训练神经网络的模块，推出了一些优化工具，加快了基于Torch的深度学习项目的运行速度，比如，其中一个工具允许开发者使用多个GPU进行参数的并行训练，还有工具可以使卷积神经网络的训练速度提升数十倍以上，而卷积神经网络是很多深度学习系统的核心。另外，Facebook还推出了多款工具，为Torch自带的功能赋予更快的速度，这些工具的速度常常比Torch默认工具快3至10倍。
(内容来自：Facebook加速深度学习研发)
目录 |
Caffe
计算机视觉的开源深度学习：Torch vs Caffe
App
项目
用户
- Torch被Facebook人工智能研究实验室和位于伦敦的谷歌DeepMind大量使用。
- deepmind @ github
- facebook torch 项目
- iTorch
- Randomkit RNG for Torch
- Cephes Mathematical Library wrapped for Torch
链接
分享您的观点
