XLR IA Logiciel General

De nombreux logiciels, de Start-up et de centres de recherches existent pour répondre aux différentes problématiques de l’IA.  Vue la multitude de solutions qui existent, il est important dans un premier temps de bien comprendre ce que vous souhaitez accomplir. Des solutions spécifiques comme N2D2 du CEA existent par exemple pour les industriels. La plateforme N2D2 intègre de manière unifiée la chaîne complète de traitement de données. Celle-ci va de l’acquisition et mise en forme des données jusqu’à l’apprentissage, la simulation, le traitement, pour ensuite parvenir à l’étape finale : l’affichage des résultats de performances à l’utilisateur final.

 

 

Carri Systems vous propose des stations de travail ainsi que des serveurs pré-installés avec des logiciels reconnus du domaine et dispose d’un réseau d’experts qui peut vous accompagner dans vos premiers pas.

Caffe est un Framework pour le Deep Learning qui a été conçu pour prendre en compte dès le départ l’expression, la vitesse et la modularité. Caffe est développé par le Centre de Vision et d’Apprentissage de Berkeley (BVLC), et par des contributeurs communautaires et est utilisé dans le domaine de la vision par ordinateur.

 

Caffe supporte cuDNN v5 (NVIDIA CUDA Deep Neural Network library) pour l’accélération GPU.

Chainer est un Framework dédié au Deep Learning qui est développé selon le principe de définition par exécution. Contrairement aux frameworks qui utilisent l’approche définie et exécutée, Chainer vous permet de modifier les réseaux pendant l’exécution, ce qui vous permet d’utiliser des instructions de flux de contrôle arbitraires.

 

Chainer supporte cuDNN v5.1 (NVIDIA CUDA Deep Neural Network library) pour l’accélération GPU.

 

Interfaces prises en charge: Python

Deeplearning4j est la première bibliothèque d’apprentissage profond distribuée de qualité commerciale, écrite pour Java et Scala. Intégré avec Hadoop et Spark, DL4J est conçu pour être utilisé dans des environnements commerciaux sur les GPU et les CPU distribués.

TensorFlow est une bibliothèque logicielle pour le calcul numérique basé sur des graphes de flux de données, développée par l’organisme de recherche Google Machine Intelligence.

 

TensorFlow supporte cuDNN v5.1 (NVIDIA CUDA Deep Neural Network library) pour l’accélération GPU.

Theano est un compilateur d’expression mathématique qui définit, optimise et évalue efficacement les expressions mathématiques impliquant des tableaux multidimensionnels.

 

Theano supporte cuDNN v5 (NVIDIA CUDA Deep Neural Network library) pour l’accélération par GPU.

 

Interfaces prises en charge: Python

Torch est un Framwork pour le calcul scientifique qui offre un large support pour les algorithmes d’apprentissage automatique (Machine Learning).

 

Torch supporte cuDNN v5 (NVIDIA CUDA Deep Neural Network library) pour accélération GPU.

 

Interfaces prises en charge: C, C ++, Lua

Vous trouverez ci-dessous une liste non exhaustive de frameworks et librairies qui peuvent compléter votre installation :

 

 

  • adnn– Javascript neural networks
  • Blocks– Theano framework for building and training neural networks
  • Caffe2– Deep learning framework built on Caffe, developed by Facebookin cooperation with NVIDIAQualcommIntelAmazon, and Microsoft[1]
  • CaffeOnSpark– Scalable deep learning package running Caffe on Sparkand Hadoop clusters with peer-to-peer communication
  • CNNLab– Deep learning framework using GPU and FPGA-based accelerators
  • ConvNetJS– Javascript library for training deep learning models entirely in a web browser
  • Cortex– Theano-based deep learning toolbox for neuroimaging
  • cuDNN– Optimized deep learning computation primitives implemented in CUDA
  • CURRENNT– CUDA-accelerated toolkit for deep Long Short-Term Memory (LSTM) RNN architectures supporting large data sets not fitting into main memory.
  • DeepCL– OpenCL library to train deep convolutional networks, with APIs for C++, Python and the command line
  • DeepLearningKit– Open source deep learning framework for iOS, OS X and tvOS[2]
  • DeepLearnToolbox– Matlab/Octave toolbox for deep learning (deprecated)
  • DeepX– Software accelerator for deep learning execution aimed towards mobile devices
  • deepy– Extensible deep learning framework based on Theano
  • DSSTNE(Deep Scalable Sparse Tensor Network Engine) – Amazondeveloped library for building deep learning models
  • Faster RNNLM (HS/NCE) toolkit– An rnnlm implementation for training on huge datasets and very large vocabularies and usage in real-world ASR and MT problems
  • GNU Gneural Network– GNU package which implements a programmable neural network
  • IDLF– Intel® Deep Learning Framework; supports OpenCL (deprecated)
  • Intel Math Kernel Library(Intel MKL),[3]library of optimized math routines, including optimized deep learning computation primitives
  • Keras– Deep Learning library for Theano and TensorFlow
  • Lasagne– Lightweight library to build and train neural networks in Theano
  • Leaf– « The Hacker’s Machine Learning Engine »; supports OpenCL (official development suspended[4])
  • LightNet– MATLAB-based environment for deep learning
  • MatConvNet– CNNs for MATLAB
  • MaTEx– Distributed TensorFlow with MPI by PNNL
  • Mocha– Deep learning framework for Julia, inspired by Caffe
  • N2D2 – CEA – industrial framwork « Neural Network Design and Deployment »
  • neon– Nervana’s Python based Deep Learning framework
  • Neural Network Toolbox– MATLAB toolbox for neural network creation, training and simulation
  • PaddlePaddle– « PArallel Distributed Deep LEarning », deep learning platform
  • Purine– Bi-graph based deep learning framework[5]
  • Pylearn2– Machine learning library mainly built on top of Theano
  • scikit-neuralnetwork– Multi-layer perceptrons as a wrapper for Pylearn2
  • sklearn-theano– Scikit-learn compatible tools using theano
  • Tensor Builder– Lightweight extensible library for easy creation of deep neural networks using functions from « any Tensor-based library » (requires TensorFlow) through an API based on the Builder Pattern
  • TensorGraph– Framework for building any models based on TensorFlow
  • TF Learn (Scikit Flow)– Simplified interface for TensorFlow
  • TF-Slim– High level library to define complex models in TensorFlow
  • TFLearn– Deep learning library featuring a higher-level API for TensorFlow
  • Theano-Lights– Deep learning research framework based on Theano
  • tiny-dnn– Header only, dependency-free deep learning framework in C++11
  • torchnet– Torch framework providing a set of abstractions aiming at encouraging code re-use as well as encouraging modular programming
  • Veles– Distributed machine learning platform by Samsung