ニューラルネットワーク用の最高のジュリアライブラリ

基本的なニューラルネットワークの構築と分析にこのライブラリを使用しています。

ただし、多層ニューラルネットワークなどの構築はサポートされていません。

それで、私はジュリアで高度なニューラルネットワークとディープラーニングを行うための素晴らしいライブラリを知りたいです。

Mocha.jl -MochaはC ++フレームワークCaffeに触発されたJuliaのディープラーニングフレームワークです。

適切なドキュメントとサンプルを含むプロジェクト。CPUおよびGPUバックエンドで実行できます。

MXNet Juliaパッケージ-Juliaの柔軟で効率的なディープラーニング

https://github.com/dmlc/MXNet.jl

長所

• 速い
• 自動並列処理により、マルチGPUと分散設定にスケールアップします。
• 軽量でメモリ効率が良く、スマートデバイスに移植可能。
• 自動微分

短所

• アルゴリズム実装のための低レベルの操作はまだありません。しかし、彼らはこの問題に取り組んでいます（https://github.com/dmlc/mxnet/issues/586）

2016年10月現在、Julia用のTensorflowラッパーもあります。

https://github.com/malmaud/TensorFlow.jl

より新しい（2019）回答：Fluxを追加するだけです。

Flux is an elegant approach to machine learning. It's a 100% pure-Julia stack,
and provides lightweight abstractions on top of Julia's native GPU and
AD support. Flux makes the easy things easy while remaining fully hackable.

例えば：

model = Chain(
  Dense(768, 128, σ),
  LSTM(128, 256),
  LSTM(256, 128),
  Dense(128, 10),
  softmax)

loss(x, y) = crossentropy(model(x), y)

Flux.train!(loss, data, ADAM(...))

注目すべき新しいライブラリの1つはKnet.jlです。GPUを内部で使用するなどのことを行います。

https://github.com/denizyuret/Knet.jl