chainer

Aviso: como se anunció, Chainer se encuentra en la fase de mantenimiento y el desarrollo posterior se limitará únicamente a la corrección de errores y el mantenimiento.

---

Chainer: un marco de aprendizaje profundo

Sitio web | Documentos | Guía de instalación | Tutoriales (ja) | Ejemplos (Oficiales, Externos) | Conceptos | CadenaX

Foro (en, ja) | Invitación floja (en, ja) | Twitter (en, ja)

Chainer es un marco de aprendizaje profundo basado en Python que busca flexibilidad. Proporciona API de diferenciación automática basadas en el enfoque de definición por ejecución (también conocido como gráficos computacionales dinámicos), así como API de alto nivel orientadas a objetos para construir y entrenar redes neuronales. También admite CUDA/cuDNN utilizando CuPy para entrenamiento e inferencia de alto rendimiento. Para obtener más detalles sobre Chainer, consulte los documentos y recursos enumerados anteriormente y únase a la comunidad en Forum, Slack y Twitter.

Instalación

Para más detalles, consulte la guía de instalación.

Para instalar Chainer, use pip .

$ pip install chainer

Para habilitar la compatibilidad con CUDA, se requiere CuPy. Consulte la guía de instalación de CuPy.

imagen acoplable

Proporcionamos la imagen oficial de Docker. Esta imagen es compatible con nvidia-docker. Inicie sesión en el entorno con el siguiente comando y ejecute el intérprete de Python para usar Chainer con soporte CUDA y cuDNN.

 $ nvidia-docker run -it chainer/chainer /bin/bash

Contribución

Consulte la guía de contribuciones.

CadenaX

Consulte la documentación de ChainerX.

Licencia

Licencia MIT (ver archivo LICENSE ).

Más información

• Notas de la versión

Referencias

Tokui, Seiya y otros. "Chainer: un marco de aprendizaje profundo para acelerar el ciclo de investigación". Actas de la 25ª Conferencia Internacional ACM SIGKDD sobre Descubrimiento de Conocimiento y Minería de Datos . ACM, 2019. URL BibTex

Tokui, S., Oono, K., Hido, S. y Clayton, J., Chainer: un marco de código abierto de próxima generación para el aprendizaje profundo, Actas del taller sobre sistemas de aprendizaje automático (LearningSys) en la vigésima novena conferencia anual sobre sistemas de procesamiento de información neuronal (NIPS) , (2015) URL, BibTex

Akiba, T., Fukuda, K. y Suzuki, S., ChainerMN: Marco de aprendizaje profundo distribuido escalable, Actas del taller sobre sistemas de aprendizaje automático en la trigésima primera conferencia anual sobre sistemas de procesamiento de información neuronal (NIPS) , (2017) URL, BibTex