C'est encore nouveau, mais je pense qu'il ne peut pas être exclu des mots-clés Python de cette année. Donc, en regardant en arrière sur cette année, je voudrais vous présenter la bibliothèque Deep Learning Python qui a été prise en charge.
Keras Divers frameworks tels que chainer, tensorflow, mxnet sont disponibles. Cependant, en regardant simplement le nombre d'étoiles sur Github, il semble être populaire dans l'ordre suivant. (Au 25 décembre)
Vous pouvez voir que le tensorflow est très populaire. J'aime keras car il nécessite moins de lignes de code, mais tensorflow-slim est également apparu dans le futur. Il semble qu'il y aura une bibliothèque qui pourra être écrite plus facilement basée sur tensorflow.
keras-rl Bibliothèque d'apprentissage de renforcement profond utilisant des keras. Il correspond à l'environnement de OpenAI Gym. Les algorithmes d'apprentissage par renforcement profond de base suivants sont mis en œuvre.
Keras dispose également d'une bibliothèque d'apprentissage en profondeur appelée kerlym qui prend en charge OpenAI Gym. Dans la bibliothèque basée sur tensorflow, il y a rllab. Ceci est fait par OpenAI, est à grande échelle et a les algorithmes suivants implémentés en plus de ce qui précède.
Celui-ci semble bon, mais keras-rl est plus simple, donc je l'utilise.
keras-resnet Resnet a permis d'augmenter considérablement la couche du réseau. Même pas mal de gens ont implémenté Github. Non limité aux keras, je vais énumérer les principales implémentations.
GAN GAN était également populaire. Il semble que de nouveaux GAN soient proposés les uns après les autres et seront bientôt implémentés sur Github, et la concurrence est féroce.
Il y avait aussi une bibliothèque GAN uniquement pour Keras. Il semble que la définition du modèle et la méthode d'apprentissage du GAN soient plus faciles à faire.
quiver Il existe différents outils de dessin tels que les résultats d'apprentissage. carquois dessine Convnet avec Keras.
Autres outils de dessin.
Personnellement, j'aime Keras, j'ai donc rassemblé des outils qui m'intéressent autour de Keras.
Recommended Posts