مروری برچارچوب ها و کتابخانه های یادگیری عمیق

در سالهای اخیر یادگیری ماشین به ویژه یادگیری عمیق به عنوان زیرمجموعه ای از آن، پیشرفت هایچشمگیری داشته است. تکنیک ها و الگوریتم ها توسعه یافته و اکنون می توانند حجم زیادی از داده ها را تجزیهو تحلیل کنند. همچنین، سخت افزارهایی با قدرت پردازش و محاسبات بالا معرفی شده است. با توسعه سریعیادگیری عمیق در حوزههای مختلف، شرکت ها و تیم های تحقیقاتی مختلفی در این حوزه فعال شده اند وچارچوب ها و کتابخانه های متعددی با ویژگی ها و کارکردهای مختلف برای توسعه و پیاده سازی یادگیری عمیق ارائه شده است کهChainer ،Deeplearning۴j, Caffe۲ ،Caffe ،CNTK ،MXNET ،Keras ،PyTorch ،Torch ،TensorFlow و Theano نمونه ای از آنها هستند. در این مقاله، مروری بر مفاهیم یادگیری عمیق، چارچوب ها و کتابخانه های پراستفاده در این حوزه انجام گرفته است و ویژگی ها و کارکردهای هر کدام بحث و بررسی شده است. هدف از نگارش این مقاله، بررسی چارچوب ها و کتابخانه های پرکاربرد یادگیری عمیقو بررسی ویژگی ها و حوزه های کاربرد هر کدام است و یازده چارچوبی که بیشترین کاربرد را در بین کاربراندارند در این مقاله بررسی و مقایسه شده است.

کلیدواژه ها:

هوش مصنوعی ، یادگیری عمیق ، چارچوب های یادگیری عمیق ، تنسورفلو ، کراس