H2O学习笔记(七)——Deep Water
来源:互联网 发布:mysql gtid主从 编辑:程序博客网 时间:2024/04/29 20:34
Deep Water是一个深度学习框架,集成了MXNet, Caffe, TensorFlow,可以实现GPU优化的深度学习模型。目前项目还在开发中。
两张图可以描述Deep Water的优点:
Deep Water号称最好的深度学习框架,从上面的张图里可以看出,Deep Water集成了mxnet,TensorFlow,Caffe三个框架,这三个框架每个都有自己的特点,如果Deep Water取长补短,那么Deep Water无疑是非常优秀的深度学习框架。
Deep Water提供GPU支持,能够支持NVIDIA CUDA架构,充分利用CPU和GPU的优点。同时还能支持cuDNN(cuDNN是针对深度神经网络的GPU加速库,目前支持 Caffe, TensorFlow, Theano, Torch, 和 CNTK),这样使得Deep Water比H2O Deep Learning模块速度提高100倍以上。
此外,Deep Water还能处理image,vedio,sound,text,time series等先前h2o比较难处理的数据场景。
H2O Deep Learning模块只能支持1-5 layers的神经网络和MBs/GBs的数据,Deep Water能支持5-1000层的网络和GBs/TBs的数据。
0 0
- H2O学习笔记(七)——Deep Water
- H2O学习笔记(七)——Deep Water
- H2O学习笔记(八)——Sparkling Water
- H2O学习笔记(八)——Sparkling Water
- H2O学习笔记(三)—— Deep Learning
- H2O学习笔记(四)——Deep Learning 例子
- H2O学习笔记(五)——Deep Autoencoders
- H2O学习笔记(四)——Deep Learning 例子
- H2O学习笔记(一)—— H2O概述
- H2O学习笔记(二)——H2O Flow
- H2O学习笔记(二)——H2O Flow
- H2O学习笔记(六)—— Steam
- H2O学习笔记(六)—— Steam
- R语言︱H2o深度学习的一些R语言实践——H2o包
- 声学模型学习笔记(七) advanced deep models
- H2O的Deep Autoencoders
- Spark与深度学习框架——H2O、deeplearning4j、SparkNet
- deep learning - h2o R samples
- html5跨文档操作
- 输出区间[a , b]内的完数
- js文件校验失败的解决方案
- php中局部变量和全局变量
- XML映射配置文件
- H2O学习笔记(七)——Deep Water
- Java难点解析(九)-多态
- Matlab2014+VS2013配置vlfeat0.9.20
- "||",或运算,取对才止,"&&"与运算,取错即止
- [Android]中ViewPager+PagerAdapter源码分析
- 236. Lowest Common Ancestor of a Binary Tree
- 《剑指》4
- 所谓的给力的插件,临存
- 断言(ASSERT)的用法