首页 科技 正文

微信使用的深度学习框架开源!支持稀疏张量,基于C。

蜀味 只想说 凹非寺量子位 报导 | 微信公众号 QbitAI

手机微信插起着的深度学习架构,如今你也能够 入门试一试了。

就在近期,腾讯官方把这个名字叫做deepx_core的深度学习基本库宣布对外开放开源系统。

对比于PyTorch、TensorFlow等时兴深度学习架构,这名参赛选手不但具备实用性,还对于高维空间稀少数据信息情景开展了深层提升。

换句话说,针对开发设计检索、强烈推荐、广告宣传那样的深度学习运用,会更为友善实用。

实际是怎么一回事儿,何不一起来了解一下~

一个张量测算/深度学习基本库

依据项目简介,deepx_core是一个通用性的深度学习架构,应用C 11开发设计。根据deepx_core,能够 快速开发张量测算/深度学习/深度学习/增强学习/图神经网络/机器学习算法等运用。

有关deepx_core的特性,何不先从张量谈起。

张量是deepx的关键算法设计,有下列几类种类。

在其中,float_t是单精度浮点型,int_t是64位无符号整数。

值得一提的是,稀少张量一直是开源框架的困扰,但像检索、强烈推荐等优化算法运用,实际上全是高维空间稀少数据信息情景。

因此,deepx_core设计方案并完成了稀少张量和配套设施的operation,以原生态的方法完成了稀少实体模型。

在分布式系统训炼情景下,稀少张量分布均匀在几台主要参数网络服务器上,实体模型经营规模能伴随着主要参数网络服务器总数提升而线形拓展。

deepx_core的另一个关键控制模块,是计算图。

实际来讲,deepx_core出示了一个适用全自动求微分的静态数据图模块,适用100 operation,遮盖基本上全部网络类型。

计算图模块一般用在各种各样深度学习每日任务中。而一个详细的深度学习运用,关键包含下列控制模块的开发设计和应用:

样版解析器特点提取计算图优化器在deepx_core中,样版解析器和优化器全是独立的控制模块。在内嵌样版解析器、优化器没法满足需求的状况下,都能够根据承继来提升新的解析器、优化器。

此外,由于根据C 开发设计,deepx_core具备性能卓越和混合开发的特性。

依据官方网试验数据信息,根据deepx_core解决方法的特性广泛是开源框架的5-10倍。

安裝应用

假如你要亲自试一下这一新开源框架,那麼必须先提前准备一个适用C 11的c语言编译器来开展编译程序。

make -j8

再跑一下单元测试卷。

make -j8 test

随后安裝就可以。

make -j8 install PREFIX=/where/you/want/to/install

现有落地式运用

最终,简易介绍一下新项目身后的开发设计精英团队。

deepx_core的开发人员来源于微信看一看优化算法服务平台精英团队。

说起来,鹅场近些年在开源系统层面的确经常狠下功夫。

辣么,你可以曾使用过鹅场的开源软件?热烈欢迎在发表评论共享工作经验~

非特殊说明,本文由原创资讯网原创或收集发布。

转载请注明本文地址:http://www.acewise.org/kj/2354.html