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 (→项目) |
||
第14行: | 第14行: | ||
==项目== | ==项目== | ||
*[https://github.com/torch/torch7/wiki/Cheatsheet Torch生态系统] | *[https://github.com/torch/torch7/wiki/Cheatsheet Torch生态系统] | ||
+ | *[[PyTorch]] | ||
*[https://github.com/torch/trepl trepl] | *[https://github.com/torch/trepl trepl] | ||
*[https://github.com/clementfarabet/gfx.js gfx.js] | *[https://github.com/clementfarabet/gfx.js gfx.js] |
2017年1月22日 (日) 03:06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