chainer

Aviso: Conforme anunciado, Chainer está em fase de manutenção e o desenvolvimento será limitado apenas a correções de bugs e manutenção.

---

Chainer: uma estrutura de aprendizagem profunda

Site | Documentos | Guia de instalação | Tutoriais (ja) | Exemplos (oficiais, externos) | Conceitos | ChainerX

Fórum (en, ja) | Convite frouxo (en, ja) | Twitter (en, sim)

Chainer é uma estrutura de aprendizado profundo baseada em Python que visa flexibilidade. Ele fornece APIs de diferenciação automática baseadas na abordagem definida por execução (também conhecidas como gráficos computacionais dinâmicos), bem como APIs de alto nível orientadas a objetos para construir e treinar redes neurais. Ele também oferece suporte a CUDA/cuDNN usando CuPy para treinamento e inferência de alto desempenho. Para obter mais detalhes sobre o Chainer, consulte os documentos e recursos listados acima e junte-se à comunidade no Fórum, Slack e Twitter.

Instalação

Para obter mais detalhes, consulte o guia de instalação.

Para instalar o Chainer, use pip .

$ pip install chainer

Para ativar o suporte CUDA, é necessário CuPy. Consulte o guia de instalação do CuPy.

Imagem do Docker

Estamos fornecendo a imagem oficial do Docker. Esta imagem suporta nvidia-docker. Faça login no ambiente com o comando a seguir e execute o interpretador Python para usar o Chainer com suporte a CUDA e cuDNN.

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

Contribuição

Consulte o guia de contribuição.

ChainerX

Consulte a documentação do ChainerX.

Licença

Licença MIT (ver arquivo LICENSE ).

Mais informações

• Notas de lançamento

Referências

Tokui, Seiya e outros. "Chainer: uma estrutura de aprendizado profundo para acelerar o ciclo de pesquisa." Anais da 25ª Conferência Internacional ACM SIGKDD sobre Descoberta de Conhecimento e Mineração de Dados . ACM, 2019. URL BibTex

Tokui, S., Oono, K., Hido, S. e Clayton, J., Chainer: uma estrutura de código aberto de última geração para aprendizado profundo, procedimentos do workshop sobre sistemas de aprendizado de máquina (LearningSys) na vigésima nona conferência anual em Sistemas de Processamento de Informação Neural (NIPS) , (2015) URL, BibTex

Akiba, T., Fukuda, K. e Suzuki, S., ChainerMN: Scalable Distributed Deep Learning Framework, Anais do Workshop sobre Sistemas de ML na Trigésima Primeira Conferência Anual sobre Sistemas de Processamento de Informações Neurais (NIPS) , (2017) URL, Bibtex