با این که می‌توان ادعا کرد از ظهور و بروز محصولات مبتنی بر یادگیری عمیق مدت زمان زیادی نمی‌گذرد، اما در همین مدت کوتاه هم چارچوب‌هایی برای بهینه کردن فرآیند تولید این محصولات عرضه شده‌اند. در این پست قصد داریم به ۱۰ چارچوب نرم‌افزاری برتر در حوزه «یادگیری عمیق» نگاهی بیاندازیم.

اما چرا یادگیری عمیق تا این اندازه موفق عمل کرده و توجه زیادی را به خود جلب کرده است؟ شاید دلیل اصلی عبارت باشد از این که دقت محصولات یادگیری عمیق بسیار بالاست - به شرط این که تعداد داده‌های آموزشی بسیار زیاد باشد. از طرفی وقتی سناریوی مورد نظر برای ذهن انسان هم پیچیده باشد، این فناوری کمک به سزایی می‌کند.

تا چند سال پیش، یعنی دقیقا تا سال ۲۰۰۷ میلادی، فقط نرم‌افزار Theano در این حوزه فعال بود. ولی الان قضیه فرق کرده است و رقبای سرسختی برای آن پیدا شده است.

الف) TensorFlow

TensorFlow که متعلق به گوگل است بدون شک یکی از محبوب‌ترین چارچوب‌ها در زمینه‌ی یادگیری عمیق است. جی‌میل، آبر، ایر‌بی‌اند‌بی و خیلی دیگر از نرم‌افزارهای مطرح از آن استفاده می‌کنند. امروزه این چارچوب نرم‌افزاری یکی از بروزترین و بهترین‌ها در این حوزه است، اما همیشه محبوبیت به معنی کارایی بیشتر نیست.

  • پایتون بهترین گزینه برای کار با این چارچوب است. البته رابط‌های خوب دیگری نیز برای زبان‌های ++C،‌ جاوا، جاوا اسکریپت، سی‌شارپ، Go و Julia وجود دارند که می‌توان با استفاده از آن‌ها از این چارچوب استفاده کرد.
  • این چارچوب هم قابلیت کار با کلاسترها را دارد و هم می‌تواند روی سکوهای سیار مانند اندروید و آی‌او‌اس اجرا شود.
  • تنسورفلو نیاز به کدنویسی زیادی دارد. این چارچوب قدرت پیاده‌سازی محصولات نهایی را فراهم نمی‌آورد بلکه بیشتر یک ابزار برای تحقیق در مورد یادگیری عمیق است و آن را - اگر خوب پیاده‌سازی شود - ساده‌تر می‌کند. باید دقیقا به ساختار شبکه‌ی عصبی نگاه کرد و تعداد لایه‌های ورودی و خروجی را انتخاب کرد.
  •  

ب) PyTorch

 

ج) Sonnet

 

 

د) Keras

 

 

ه) MXNet

 

 

و) Gluon

 

 

ز) Swift

 

 

ح) Chainer

 

 

ط) DL4J

 

 

ی) ONNX