Создавай нейронные сети с помощью PuzzleLib
Фреймворк с открытым исходным кодом для глубокого обучения с поддержкой NVIDIA & AMD
Что такое PuzzleLib
PuzzleLib это фреймворк для глубокого обучения. Фреймворк позволяет собирать нейронные сети, визуализировать ее архитектуру, обучать и экспортировать для использования в телефоне или серверном приложении.
PuzzleLib является аналогом TensorFlow (Google), Torch (Facebook), CNTK (Microsoft).
CPU & GPU Support
Обучать нейронную сеть быстрее и дешевле с использованием GPU, но поддержка CPU может иметь решающее значение, когда невозможно использовать дорогие графические процессоры. PuzzleLib поддерживает:
- NVIDIA GPU (CUDA backend)
- AMD GPU (ROCm backend)
- Intel CPU (mkl-dnn backend)
- AMD CPU (numpy backend)
- Elbrus CPU (numpy backend)
Почему PuzzleLib
Cross-platform
PuzzleLib работает на операционных системах семейства Linux, Windows, Mac OS, в том числе на мобильных ОС – iOS and Android.
High Speed
Обучение нейросетей может занять несколько дней. Ускорение вычислений даже в 1,5 — 2 раза существенно влияет на весь рабочий процесс. Кроме того, быстрая обработка данных крайне важна в real-time приложениях (например, анализ речи на смартфоне).
Скорость вычислений на PuzzleLib не уступает скорости Facebook Torch и другим фреймворкам. Такая высокая скорость достигается за счет:
- поддержки GPU
- параллельных вычислений на нескольких GPU
- использования низкоуровневых вычислительных библиотек NVIDIA
- эффективного использование ресурсов процессора
- наличия модулей конвертации нейросетей в TensorRT Engine
Доступные модули
Любая нейронная сеть - это вычислительный граф. Каждый узел – это модуль PuzzleLib, который выполняет определенные операции с предоставленными данными. Ниже приведен список поддерживаемых в настоящее время модулей. Эти модули позволяют построить любую современную архитектуру для глубокого обучения.