라이브러리 및 프레임 워크

이 장에서는 딥 러닝을 다양한 라이브러리 및 프레임 워크와 관련시킬 것입니다.

딥 러닝과 Theano

심층 신경망 코딩을 시작하려면 Theano, TensorFlow, Keras, PyTorch 등과 같은 다른 프레임 워크가 어떻게 작동하는지 아는 것이 좋습니다.

Theano는 기계에서 빠르게 훈련하는 딥넷을 구축하기위한 함수 세트를 제공하는 파이썬 라이브러리입니다.

Theano는 캐나다 몬트리올 대학교에서 심층 네트워크 개척자 인 Yoshua Bengio의지도 아래 개발되었습니다.

Theano를 사용하면 숫자의 직사각형 배열 인 벡터와 행렬로 수학적 표현을 정의하고 평가할 수 있습니다.

기술적으로 말하면 신경망과 입력 데이터는 모두 행렬로 표현 될 수 있으며 모든 표준 그물 연산은 행렬 연산으로 재정의 될 수 있습니다. 이것은 컴퓨터가 매트릭스 연산을 매우 빠르게 수행 할 수 있기 때문에 중요합니다.

여러 행렬 값을 병렬로 처리 할 수 ​​있으며이 기본 구조로 신경망을 구축하면 GPU가있는 단일 시스템을 사용하여 합리적인 시간 창에서 거대한 그물을 훈련 할 수 있습니다.

그러나 Theano를 사용한다면 처음부터 깊은 그물을 만들어야합니다. 라이브러리는 특정 유형의 딥 넷을 생성하기위한 완전한 기능을 제공하지 않습니다.

대신 모델, 계층, 활성화, 훈련 방법 및 과적 합을 막기위한 특수 방법과 같은 딥넷의 모든 측면을 코딩해야합니다.

그러나 좋은 소식은 Theano가 고도로 최적화 된 솔루션을 제공하는 벡터화 된 함수 위에 구현을 구축 할 수 있다는 것입니다.

Theano의 기능을 확장하는 다른 많은 라이브러리가 있습니다. TensorFlow 및 Keras는 Theano와 함께 백엔드로 사용할 수 있습니다.

TensorFlow를 사용한 딥 러닝

Google의 TensorFlow는 파이썬 라이브러리입니다. 이 라이브러리는 상업용 수준의 딥 러닝 애플리케이션을 구축하는 데 적합합니다.

TensorFlow는 Google Brain Project의 일부인 다른 라이브러리 DistBelief V2에서 성장했습니다. 이 라이브러리는 연구 모델을 상용 등급 애플리케이션에 적용 할 수 있도록 기계 학습의 이식성을 확장하는 것을 목표로합니다.

Theano 라이브러리와 매우 유사하게 TensorFlow는 노드가 영구 데이터 또는 수학 연산을 나타내고 에지는 다차원 배열 또는 텐서 인 노드 간의 데이터 흐름을 나타내는 계산 그래프를 기반으로합니다. 따라서 이름 TensorFlow

작업 또는 작업 집합의 출력은 다음 작업에 입력으로 제공됩니다.

TensorFlow는 신경망 용으로 설계되었지만 계산을 데이터 흐름 그래프로 모델링 할 수있는 다른 네트워크에서는 잘 작동합니다.

TensorFlow는 또한 공통 및 하위 표현 제거, 자동 차별화, 공유 및 기호 변수와 같은 Theano의 여러 기능을 사용합니다.

컨볼 루션 네트, 오토 인코더, RNTN, RNN, RBM, DBM / MLP 등과 같은 TensorFlow를 사용하여 다양한 유형의 딥 네트를 구축 할 수 있습니다.

그러나 TensorFlow에서는 하이퍼 매개 변수 구성을 지원하지 않으며이 기능을 위해 Keras를 사용할 수 있습니다.

딥 러닝과 케 라스

Keras는 딥 러닝 모델을 개발하고 평가하기위한 강력하고 사용하기 쉬운 Python 라이브러리입니다.

그것은 우리가 층별로 그물을 만들 수있는 미니멀 한 디자인을 가지고 있습니다. 그것을 훈련하고 실행하십시오.

효율적인 수치 계산 라이브러리 Theano 및 TensorFlow를 래핑하고 몇 줄의 짧은 코드로 신경망 모델을 정의하고 훈련 할 수 있습니다.

높은 수준의 신경망 API로 딥 러닝과 인공 지능을 폭넓게 활용할 수 있습니다. TensorFlow, Theano 등을 포함한 여러 하위 수준 라이브러리 위에서 실행됩니다. Keras 코드는 이식 가능합니다. 코드 변경없이 Theano 또는 TensorFlow를 백엔드로 사용하여 Keras에서 신경망을 구현할 수 있습니다.