مروری برچارچوب ها و کتابخانه های یادگیری عمیق

چکیده مقاله

در سالهای اخیر یادگیری ماشین به ویژه یادگیری عمیق به عنوان زیرمجموعه ای از آن، پیشرفت هایچشمگیری داشته است تکنیک ها و الگوریتم ها توسعه یافته و اکنون می توانند حجم زیادی از داده ها را تجزیهو تحلیل کنند همچنین، سخت افزارهایی با قدرت پردازش و محاسبات بالا معرفی شده است با توسعه سریعیادگیری عمیق در حوزههای مختلف، شرکت ها و تیم های تحقیقاتی مختلفی در این حوزه فعال شده اند وچارچوب ها و کتابخانه های متعددی با ویژگی ها و کارکردهای مختلف برای توسعه و پیاده سازی یادگیری عمیق ارائه شده است کهChainer ،Deeplearning۴j, Caffe۲ ،Caffe ،CNTK ،MXNET ،Keras ،PyTorch ،Torch ،TensorFlow و Theano نمونه ای از آنها هستند در این مقاله، مروری بر مفاهیم یادگیری عمیق، چارچوب ها و کتابخانه های پراستفاده در این حوزه انجام گرفته است و ویژگی ها و کارکردهای هر کدام بحث و بررسی شده است هدف از نگارش این مقاله، بررسی چارچوب ها و کتابخانه های پرکاربرد یادگیری عمیقو بررسی ویژگی ها و حوزه های کاربرد هر کدام است و یازده چارچوبی که بیشترین کاربرد را در بین کاربراندارند در این مقاله بررسی و مقایسه شده است

کلیدواژه‌ها

نویسندگان

محمد پهلوانی قمی

گروه کامپیوتر، دانشکده فنی مهندسی، واحد اراک، دانشگاه آزاد اسلامی، اراک، ایران

سارا نظری

استادیار گروه کامپیوتر، دانشکده فنی مهندسی، واحد اراک، دانشگاه آزاد اسلامی، اراک، ایران

نفیسه اوسطی

استادیار گروه کامپیوتر، دانشکده فنی مهندسی، واحد اراک، دانشگاه آزاد اسلامی، اراک، ایران

پهلوانی قمی، محمد و نظری، سارا و اوسطی، نفیسه،1400،مروری برچارچوب ها و کتابخانه های یادگیری عمیق،هشتمین کنگره ملی تازه های مهندسی برق و کامپیوتر ایران،تهران

ارائه‌شده در

مجموعه مقالات هشتمین کنگره ملی تازه های مهندسی برق و کامپیوتر ایران28 بهمن 1400 · تهران