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/ACL2, C++/F#/Lisp
Torch
来自开放百科 - 灰狐
（版本间的差异）
小 (→链接) |
小 (→链接) |
||
| 第6行： | 第6行： | ||
*[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:data science]] | ||
2016年3月27日 (日) 16:37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)
链接
分享您的观点
