ملاحظة: كما تم الإعلان عنه، فإن Chainer قيد مرحلة الصيانة وسيقتصر التطوير الإضافي على إصلاحات الأخطاء والصيانة فقط.
الموقع | مستندات | دليل التثبيت | دروس (جا) | أمثلة (رسمية، خارجية) | مفاهيم | تشينيركس
المنتدى (en، ja) | دعوة سلاك (ar، ja) | تويتر (الإنجليزية، اليابانية)
Chainer هو إطار عمل للتعلم العميق يعتمد على لغة Python ويهدف إلى تحقيق المرونة. وهو يوفر واجهات برمجة التطبيقات (APIs) للتمايز التلقائي بناءً على نهج التحديد عن طريق التشغيل (المعروف أيضًا باسم الرسوم البيانية الحسابية الديناميكية) بالإضافة إلى واجهات برمجة التطبيقات عالية المستوى الموجهة للكائنات لبناء الشبكات العصبية وتدريبها. كما أنه يدعم CUDA/cuDNN باستخدام CuPy للتدريب والاستدلال عالي الأداء. لمزيد من التفاصيل حول Chainer، راجع المستندات والموارد المذكورة أعلاه وانضم إلى المجتمع في Forum وSlack وTwitter.
لمزيد من التفاصيل، راجع دليل التثبيت.
لتثبيت Chainer، استخدم pip
.
$ pip install chainer
لتمكين دعم CUDA، مطلوب CuPy. ارجع إلى دليل تثبيت CuPy.
نحن نقدم صورة Docker الرسمية. هذه الصورة تدعم nvidia-docker. قم بتسجيل الدخول إلى البيئة باستخدام الأمر التالي، وقم بتشغيل مترجم Python لاستخدام Chainer مع دعم CUDA وcuDNN.
$ nvidia-docker run -it chainer/chainer /bin/bash
راجع دليل المساهمة.
راجع وثائق ChainerX.
ترخيص معهد ماساتشوستس للتكنولوجيا (انظر ملف LICENSE
).
توكوي، سييا، وآخرون. "شينر: إطار التعلم العميق لتسريع دورة البحث." وقائع المؤتمر الدولي الخامس والعشرون لـ ACM SIGKDD حول اكتشاف المعرفة واستخراج البيانات . إيه سي إم، 2019. URL BibTex
Tokui, S., Oono, K., Hido, S. and Clayton, J., Chainer: إطار عمل مفتوح المصدر من الجيل التالي للتعلم العميق، وقائع ورشة عمل حول أنظمة التعلم الآلي (LearningSys) في المؤتمر السنوي التاسع والعشرون على أنظمة معالجة المعلومات العصبية (NIPS) ، (2015) URL، BibTex
أكيبا، ت.، فوكودا، ك. وسوزوكي، إس.، تشينر إم إن: إطار التعلم العميق الموزع القابل للتطوير، وقائع ورشة عمل حول أنظمة تعلم الآلة في المؤتمر السنوي الحادي والثلاثين حول أنظمة معالجة المعلومات العصبية (NIPS) ، (2017) URL، بيبتكس