Ich lerne derzeit Programmierung mit GPU, um die Leistung von Machine Learning-Algorithmen zu verbessern. Zunächst versuche ich Programmierung CUDA mit reinem c zu lernen, dann fand ich pycuda die mir einen Wrapper von CUDA-Bibliothek, und dann fand ich Theano und pylearn2 und bekam ein wenig verwirrt:pycuda vs theano vs pylearn2
ich sie auf diese Weise verstehen:
- pycuda: python-Wrapper für CUDA-Bibliothek
- Theanos: ähnlich numpy aber transparent zu GPU und CPU
- pylearn2: tiefes Lernpaket, das auf Theanos bauen und implementiert mehr Maschinelles Lernen/Tieflernmodell
Da ich neu in der GPU-Programmierung bin, sollte ich anfangen, von der C/C++ - Implementierung zu lernen oder mit pycuda zu beginnen, reicht es aus, schon von theano aus? Z.B. Ich würde gerne RandomForest-Modell nach dem Lernen der GPU-Programmierung implementieren.Danke.
Sehr klar, Danke! Eine weitere Frage, aber wahrscheinlich nicht geeignet, um es hier zu fragen: Gibt es ein ähnliches Paket wie theano in R Sprache? – user1754197
Nicht ganz. Es gibt ein paar Pakete, die grundlegende lineare Algebra-Operationen und einige Funktionen auf höherer Ebene implementieren (wie lm), aber unter der Haube arbeiten sie sehr unterschiedlich von Theano, d.h. sie sind nur reguläre Pakete, sie sind keine Expression-Compiler. –
Haben Sie eine Bemerkung zu pylearn2? –