मतलब न्यूरल नेटवर्क टूलबॉक्स के लिए पायथन ओएसएस विकल्प। कोई इंटरकॉमपर्सन?


16

मैं अपने वैज्ञानिक कार्यों के लिए व्यावसायिक सॉफ्टवेयर से स्वतंत्र होना चाहता हूं। मुझे मैटलैब और इसके टूलबॉक्स के असंतोषजनक होने के कारण एक वाणिज्यिक पैकेज मिल रहा है, क्योंकि मुझे नहीं पता कि भविष्य में मैटलैब तक मेरी पहुंच होगी या नहीं, और क्योंकि मुझे भाषा पसंद नहीं है। इसलिए, मैं विकल्पों की तलाश कर रहा हूं।

सौभाग्य से, मैं पायथन (और मुझे भाषा से प्यार है) में काफी धाराप्रवाह है, और NumPy, SciPy, Matplotlib, Basemap और NetCDF पढ़ने और लेखन दिनचर्या के साथ, यह मेरी अधिकांश जरूरतों को पूरा करता है। अधिकांश - मैं अभी भी मैटलैब पर लौटता हूं, जब मुझे फीड-फॉरवर्ड मल्टी-लेयर पर्सेप्ट्रॉन का उपयोग करके सैटेलाइट रिट्रीवल को प्रशिक्षित करने की आवश्यकता होती है, जैसे कि कृत्रिम तंत्रिका नेटवर्क का उपयोग करना।

जैसा कि ओपन-सोर्स सॉफ़्टवेयर के साथ असामान्य नहीं है, एक से अधिक पैकेज है जो तंत्रिका नेटवर्क करता है। एक से अधिक:

  • कुछ समय पहले मैंने PyBrain , "तंत्रिका नेटवर्किंग के लिए स्विस सेना चाकू" की कोशिश की थी , लेकिन मैं थोड़े समय (विकास-समय और रन-टाइम दोनों) में कोई संतोषजनक परिणाम प्राप्त करने में सफल नहीं हुआ। शायद मैंने बहुत कोशिश नहीं की, या शायद यह वास्तव में मेरी सटीक ज़रूरत की ओर ध्यान नहीं है।

  • अभी-अभी मुझे पता चला कि न्यूरोलैब नामक एक पैकेज है , जो आशाजनक लगता है: पायथन के लिए एक सरल और शक्तिशाली न्यूरल नेटवर्क लाइब्रेरी , MATLAB से न्यूरल नेटवर्क टूलबॉक्स (NNT) जैसे एपीआई के साथ ।

  • अजगर के लिए एफएफनेट , एक तेज़ और आसानी से उपयोग होने वाला फीड-फॉरवर्ड न्यूरल नेटवर्क प्रशिक्षण समाधान है

  • वहाँ है simplenn

  • नहीं है पीच , एक कम्प्यूटेशनल खुफिया और मशीन सीखने के लिए पुस्तकालय

  • इस StackOverflow पोस्ट में वास्तविक तथ्य के रूप में वर्णित FANN , फास्ट आर्टिफिशियल न्यूरल नेटवर्क लाइब्रेरी के लिए पायथन बाइंडिंग हैं ।

  • शायद अन्य हैं।

क्या कोई भी उपयोग, गति, आदि जैसे मानदंडों के आधार पर विभिन्न विकल्पों को इंटरकॉम करने के प्रयास से गुजरा है? मेरा खुद का उपयोग मामला उपग्रह पुनर्प्राप्ति है, उदाहरण के लिए कई चर के एक गैर-रेखीय फ़ंक्शन को फिट करना। मैं तंत्रिका जाल का बहुत उपयोगकर्ता हूं ; मुझे उनके आंतरिक कामकाज पर शोध करने में कोई दिलचस्पी नहीं है।

Stats.SE पर यह प्रश्न संबंधित है, लेकिन एक अलग फोकस के साथ।


आपका प्रश्न बहुत दिलचस्प है, लेकिन मुझे लगता है कि आप बहुत अधिक मांग रहे हैं। अजगर में विभिन्न न्यूरल नेटवर्क सॉफ्टवेयर्स का व्यापक मूल्यांकन इस मंच पर उत्तर देने के लिए बहुत व्यापक है। यह आपके प्रश्न के फ़ोकस को किसी विशेष मानदंड और आपकी रुचि के सॉफ़्टवेयर में सीमित करने में सहायक हो सकता है।
पॉल

इसके अलावा, हम आपके प्रश्न को माइग्रेट नहीं कर सकते क्योंकि यह अब बहुत पुराना है । यदि आपको लगता है कि एक और एसई साइट आपके प्रश्न के लिए अधिक उपयुक्त है, तो आपको इस एक को हटाना होगा और इसे दूसरी साइट पर रीपोस्ट करना होगा। यहां तक ​​कि अगर आप प्रश्न को दोहराते हैं, तो भी मुझे लगता है कि इसका सबसे अच्छा हित आपके प्रश्न के दायरे को कम करने के लिए एक अच्छा जवाब प्राप्त करने की संभावना को बढ़ाने के लिए है।
पॉल

पायथन नहीं, लेकिन वर्तमान में मैं तंत्रिका नेटवर्क के लिए कैफ का उपयोग कर रहा हूं। अधिकतर दृढ़ तंत्रिका नेटवर्क के लिए, लेकिन पारंपरिक एनएन सेटअप करना और भी आसान है।
सियुआन रेन

क्रॉस-साइट डुप्लिकेट: datascience.stackexchange.com/q/694/6
gerrit

जवाबों:


1

क्या आपने scikit-learn की जाँच की ? यह पूरी तरह से मेरा डोमेन नहीं है लेकिन मैंने कुछ बहुत ही सकारात्मक उपयोगकर्ता अनुभव सुने हैं ...


श्रेणी में आते हैं वहाँ शायद दूसरों - सूची में अभी तक एक और पुस्तकालय जोड़ने से मेरी समस्या का समाधान नहीं होता है, बल्कि एक इंटरकम्पैरिसन के दायरे का विस्तार होता है, जो मुझे देखने की उम्मीद है ...
gerrit '25

खैर, मैंने जो सुना और पढ़ा है, वह यह है कि स्कोर-लर्न का फायदा यह है कि यह एक ढांचा है जिसमें कई तरीकों का इस्तेमाल होता है। हो सकता है कि जब आप अपनी समस्या को लागू करने के तरीकों का एक अंतर्संबंध करते हैं तो यह आपके काम को आसान कर देगा।
GertVdE

3
scikit-learn में तंत्रिका नेटवर्क विधियां नहीं हैं, आर्टिफिशियल न्यूरल नेटवर्क मॉडल को 0.12 में हटा दिया गया था, और उन्होंने उस समय की सिफारिश की, जो उपयोगकर्ताओं को उस कार्यक्षमता स्विच की आवश्यकता होती है जो PyBrain को स्विच करते हैं।
एरन अहमदिया

1

क्या आपने थीनो को देखा है ? यह काफी शक्तिशाली लगता है ।


1
वास्तव में, थीनो बहुत शक्तिशाली है। लेकिन यह संकलक (या ढांचा) है जो किसी को अजगर कोड लिखने की अनुमति देता है जो फिर GPU पर संकलित और निष्पादित होता है। थेनो कर सकते हैं NNS लागू करने के लिए इस्तेमाल किया जा, लेकिन यह एक एमएल पुस्तकालय नहीं है।
आर्टेम सोबोलेव

1

मैं भी मतलाब में पायथन में तंत्रिका नेट्रॉक्स का उपयोग करने से आया था। पायथन में सबसे शक्तिशाली पुस्तकालयों में से एक "Pylearn2" http://deeplearning.net/software/pylearn2/ है । वर्तमान में, यह सबसे सक्रिय पुस्तकालय है और इसके साथ प्रयोग करने के लिए कई अलग-अलग विशेषताएं हैं। यह थीनो पर आधारित है और जैसा कि यह तेज है और इसे GPU पर चलाया जा सकता है। दुर्भाग्य से, यह इसका नुकसान भी है: एपीआई लगातार बदल रहा है, और एक उच्च सीखने की अवस्था है। आपको YAML फ़ाइलों का उपयोग करके अपने तंत्रिका जाल को कॉन्फ़िगर करना होगा। बुनियादी तंत्रिका नेटवर्क बनाने के लिए मुझे PyBrain का उपयोग करके अधिक सफलता मिली है। मुझे एक प्रतिगमन समस्या के समाधान की आवश्यकता थी, जहां मुझे मौसम कारकों के आधार पर एक पावर स्टेशन पर लोड का पूर्वानुमान करना था। यहाँ गाइड: http://fastml.com/pybrain-a-simple-neural-networks-library-in-pyelon/ मुझे उस समाधान का 90% दिया जो मुझे चाहिए था।

एक मुद्दा मुझे PyBrain के साथ मिला था गति। यह मूल रूप से पायथन में लिखा गया है। मैंने एक तंत्रिका नेटवर्क का प्रशिक्षण पाया है ~ मतलाब की तुलना में 50x धीमा। कुछ अन्य लोगों ने arac लाइब्रेरी के साथ PyBrain की प्रशिक्षण प्रक्रिया में तेजी लाने के साथ सफलता पाई है।

हमारी साइट का प्रयोग करके, आप स्वीकार करते हैं कि आपने हमारी Cookie Policy और निजता नीति को पढ़ और समझा लिया है।
Licensed under cc by-sa 3.0 with attribution required.