all in one docker
如果你不想單獨安裝每個深度學習元件，並且厭倦於安裝過程中的各種依賴衝突等問題，那麼推薦你使用docker來搭建深度學習工作環境。下面是乙個可以參考的 all in one docker 環境。幾乎包含了所有的流行的深度學習框架，並且分別有cpu版本和gpu版本，與虛擬機器不同的是，docker幾乎沒有效能損失，因此你可以放心的使用它。需要注意的是，gpu版本的docker只能在linux系統上執行。
包含的框架及系統依賴
ubuntu 14.04
cuda 7.5 (gpu version only)
cudnn v4 (gpu version only)
tensorflow
caffe
theano
keras
lasagne
torch (includes nn, cutorch, cunn and cudnn bindings)
ipython/jupyter notebook (including itorch kernel)
numpy, scipy, pandas, scikit learn, matplotlib
a few common libraries used for deep learning
build
cpu version
docker pull floydhub/dl-docker:cpu
1 run
cpu version
docker run -it -p 8888:8888 -p 6006:6006 -v /sharedfolder:/root/sharedfolder floydhub/dl-docker:cpu bash
1 gpu version
nvidia-docker run -it -p 8888:8888 -p 6006:6006 -v /sharedfolder:/root/sharedfolder floydhub/dl-docker:gpu
包含深度學習常用框架的Docker環境
相關的 都在github上，請參見我的github，如果你不想單獨安裝每個深度學習元件，並且厭倦於安裝過程中的各種依賴衝突等問題，那麼推薦你使用docker來搭建深度學習工作環境。下面是乙個可以參考的 all in one docker 環境。幾乎包含了所有的流行的深度學習框架，並且分別有cpu版本...
常用的深度學習框架
在深度學習中，一般通過誤差反向傳播演算法來進行引數學習。採用手工方式來計算梯度再寫 實現的方式會非常低效，並且容易出錯。此外，深度學習模型需要的計算機資源比較多，一般需要在cpu和gpu之間不斷進行切換，開發難度也比較大。因此，一些支援自動梯度計算 無縫cpu和gpu切換等功能的深度學習框架就應運而...
常用深度學習框架
2018.09.13 深度學習研究的熱潮持續高漲，各種開源深度學習框架也層出不窮，其中包括tensorflow caffe keras cntk torch7 mxnet leaf theano deeplearning4 lasagne neon等。我們參考開源的測試結果，結合自己整理的資料，針對...