Attualmente sto imparando la programmazione con GPU per migliorare le prestazioni degli algoritmi di apprendimento automatico. Inizialmente io cerco di imparare a programmare CUDA con puro c, poi ho trovato pycuda che per me un involucro di libreria CUDA, e poi ho trovato Theano e pylearn2 e ottenuto un po 'confuso:pycuda vs theano vs pylearn2
li capisco in questo modo:
- pycuda: involucro pitone per la libreria CUDA
- Theano: simile a NumPy ma trasparente per GPU e CPU
- pylearn2: pacchetto di apprendimento profonda che costruire su Theano e implementato diversi machine learning/modello di apprendimento profondo
Dato che sono nuovo alla programmazione GPU, dovrei iniziare a imparare dall'implementazione C/C++ o partire da pycuda è sufficiente, anche a partire da theano? Per esempio. Vorrei implementare il modello randomForest dopo aver appreso la programmazione della GPU. Grazie.
Molto chiaro, grazie! Ancora una domanda, ma probabilmente non è adatta a chiederlo qui: esiste un pacchetto simile a quello in lingua R? – user1754197
Non proprio. Ci sono alcuni pacchetti che implementano le operazioni di base dell'algebra lineare e alcune funzioni di livello superiore (come lm), ma sotto il cofano funzionano in modo molto diverso da Theano, cioè sono solo pacchetti regolari, non sono compilatori di espressioni. –
Avete commenti su pylearn2? –