adadelta算法_对C++用户比较友好的机器学习算法库

由于疫情影响,这几天在家学习编程,整理了基于c++语言的机器学习算法库。目前大部分机器学习库都是面向pyhton语言的,尽管很python包的底层语言是c++,但c++用户使用起来很麻烦,这里整理了一些对c++比较优化的机器学习算法库,包括:Dlib,DLL,L2,MLpack,ensmallen,opennn,opencv等。下面对这些库进行简单介绍:

(1)Dlib——C++机器学习库

http://dlib.net/

Dlib的官网称:Dlib是一个现代的C++工具包,实现了大量机器学习的相关算法和工具,可用于在C++环境下创建复杂的软件来解决现实问题。目前,Dlib在工业界和学术界都得到了广泛的应用,包括机器人,嵌入式设备,移动电话和大规模的高性能计算环境等。

Dlib的帮助文档非常规范,针对每个API接口的解释也相当全面,而且Dlib还提供了非常详细的入门参考。更为难能可贵的是,Dlib的博客更新也非常频繁,官方人员经常通过博客分享基于Dlib实现的有趣的应用项目。实际上,Dlib也并非随着近两年的人工智能热潮才发起的项目,相对而言,它的历史非常悠久,早在2002年,Dlib的维护团队就已经开始着手开发了。

鉴于Dlib包含了为数众多的算法实现, Dlib的运行效率应该与scikit-learn接近,甚至有可能超越后者。

(2)高性能深度学习库(DLL)

https://github.com/wichtounet/dll

DLL是一个库,其目的是提供一种C++实现的受限玻尔兹曼机(RBM)和深度信念网络(DBN)以及它们的卷积版本。它还支持一些更标准的神经网络。它提供的功能比较单一,不建议使用。

(3)L2:用C++中从零开始实现的多维数组和深度学习库

https://github.com/bkkaggle/L2

L2是个深度学习库,采用标准的c++17编写。它包含多维数组类,张量,数组处理和numpy有类似的操作方式,也支持大部分的矩阵操作。基于多维数组类,又设计了其他深度学习常用的数据模型,包括参数,层,损失函数、优化器、训练器等,使用L2时不用关注底层的实现,只需拼装这些数据模型即可。

缺点是不支持gpu,目标函数、优化器、判断单元等数据模型较少,灵活性不强。后续版本可能会改善。

(4)Mlpack,,快速、灵活的C++机器学习库

https://www.mlpack.org/

MLPACK是一个快速、灵活的机器学习库,用C++编写,旨在提供快速、可扩展的最先进的机器学习算法的实现。MLPACK将这些算法提供为简单的命令行程序、Python绑定和C++类,然后可以将它们集成到更大规模的机器学习解决方案中。

mlpack建立在Armadillo线性代数库、ensmallen函数优化库和Boost的部分基础上。

a039b63ba50f449cfe9fc07848f594eb.png

(5)ensmallen,灵活的C++高效数学优化库

https://www.ensmallen.org/

ensmallen提供了一组简单的抽象函数,用于编写要优化的目标函数。它还提供了一套大量的标准和尖端优化器,可以用于几乎任何数学优化任务。其中包括全批量梯度下降技术、小批量技术、无梯度优化器和约束优化,非常适合用于处理机器学习的优化问题。

ensmallen提供的优化器有46种,分别是:    AdaBound,    AdaDelta,    Adagrad,    Adam,    AdaMax,    AMSBound,    AMSGrad,    Augmented Lagrangian,    Big Batch SGD,   CMAES,    CNE,    DE,    Eve,    Frank-Wolfe,    FTML (Follow the MovingLeader),   Gradient Descent,    Grid Search,    Hogwild! (Parallel SGD),    IQN,    Katyusha,    L-BFGS,    Lookahead,    LRSDP (low-rank SDPsolver),   Momentum SGD,   Nadam,   NadaMax,   Nesterov Momentum SGD,   OptimisticAdam,    Padam,    PSO,    Primal-dual SDP Solver,    Quasi-Hyperbolic MomentumUpdate SGD (QHSGD),    QHAdam,    RMSProp,    Simulated Annealing (SA),    Simultaneous PerturbationStochastic Approximation (SPSA),    Stochastic Recursive Gradient Algorithm(SARAH/SARAH+),   Standard SGD,  Stochastic Coordinate Descent (SCD),    Stochastic Gradient Descent with Restarts(SGDR),   Snapshot Stochastic Gradient Descent with Restarts (SnapshotSGDR),    SMORMS3,    Standard stochasticvariance reduced gradient (SVRG),   SPALeRA Stochastic Gradient Descent(SPALeRASGD),   SWATS,   WNGrad

使用起来很简单,几行代码即可,比如:

6417797cd9c31de1a3fc654fadfb681f.png

3722ec7111cf29f094babcac23d669ba.png

(6)opennn,强大的C++神经网络库

http://www.opennn.net/

OpenNN是一个用于高级分析的免费神经网络库。它解决了能源、营销、健康等领域的许多实际应用。OpenNN包含复杂的算法和实用程序,用于处理以下机器学习解决方案:回归、分类、预测、挖掘。优点是并行能力强。

(7)opencv

https://opencv.org/

openc是非常著名的计算机视觉库,它提供了完备的矩阵运算、图像处理、视觉处理、机器学习等方面的算法,使用起来简单快捷。penCV 的应用领域非常广泛,包括图像拼接、图像降噪、产品质检、人机交互、人脸识别、动作识别、动作跟踪、无人驾驶等。OpenCV 还提供了机器学习模块,你可以使用正态贝叶斯、K最近邻、支持向量机、决策树、随机森林、人工神经网络等机器学习算法。新的版本中,深度学习还专门作为一个模块独立出来,添加了新的算法。相关的学习材料也很多。

总结,虽然现在很多机器学习的库都封装成了python的接口,但底层大部分都是c++完成的。做人工智能编程时,99%的代码用python编写,1%用c++写,但真正后台运算量方面c++占据99%,python代码的运算量仅占1%。用c++写才有可能改进库的不足。

这里没有把TensorFlow,paddlepaddle等深度学习的库考虑进来,是因为它们对c++实在是不友好。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/348143.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

不解析,使用解析对象

将面向对象的后端与外部系统集成的传统方式是通过数据传输对象 ,这些对象在外出之前先序列化为JSON,然后在返回时反序列化。 这种方法很流行,而且是错误的。 序列化部分应该由打印机代替,我在前面已经解释过。 这是我对反序列化的…

yaml报错TypeError: load() missing 1 required positional argument: ‘Loader‘

添加一下命令即可: 我的操作: return yaml.load(config)改为 return yaml.full_load(config)问题完美解决

3d制作中需要注意的问题_珠宝首饰工艺篇-戒指3D造型设计制作注意要点

1、戒指的常规手寸数据和戒指外围周长计算公式应用参考如下图:戒指手寸内直径大小说明图1、戒指手寸规格有14号、15号、16号、17号、18号、19号、20号、,但是从开发角度来说比较常见规格是17号18号19号这几种规格比较多,那我们电脑3D建模的时…

微信推送封面尺寸_连封面图都搞不明白,做什么新时代的新媒体人?

嘿,胖友们大家好呀,我是三儿。又是精(bu)神(xiang)满(shang)满(ban)的周一啦,胖友们准备好开始迎接新的一周了吗!为了迎接这个崭新的周一,三儿特意为你们准备的一些实用的小工具教学,帮助你们快速的完成工作…

2021总结

去年做了复盘,感觉很良好。以后希望把这个每年复盘一次的习惯能够好好坚持下去,再加上年初的规划就更好啦!2021年,比起2020来说,就相对平静了很多,没经历过大风大浪,心智还是有所变化&#xff0…

java queue使用_使用Java使用Amazon Simple Queue Service

java queue使用Amazon Simple Queue Service或SQS是Amazon Webservice堆栈提供的高度可扩展的托管消息队列。 Amazon SQS可用于完全解耦系统内不同组件的操作,这些组件否则将交换数据以执行独立的任务。 Amazon SQS还可以帮助我们保存在应用程序关闭或组件之一不可用…

latex学习篇【一】论文中的图片技巧QA

第一篇论文总算收尾了,整理一波latex写论文的Q&A。 LATEX专栏第一篇:在Latex模板中引入各种图片的问题。 工具:overleaf网站:https://www.overleaf.com/project/60e9ceb20f8db14efa31dc80在overleaf上面插入图片什么形式最好…

配置HTTPS以与Servlet一起使用

要配置Java EE应用程序以通过HTTPS进行通信,需要在web.xml文件中使用几行XML。 web.xml文件位于项目的WEB-INF目录中,通常在IDE生成Java EE Web应用程序时自动创建。 如果不是,您可以自己创建它。 HTTPS的动机 为Web应用程序配置安全连接的…

LATEX学习篇【二】:论文中的公式技巧QA

写论文免不了写好多好多公式,众所周知啊latex的公式是很难编辑的,有没有简便一点的办法呢?有的,让我们继续读下去吧! 写公式时会用到的一些奇奇怪怪的符号大全(来自百度) 2. 写公式好用的工具…

latex学习篇【三】论文中的表格技巧QA

latex中表格是一个大头 和公式一样,推荐一个好用的工具! https://www.tablesgenerator.com/latex_tables 这个网站可以在线编辑表格,直接生成代码,粘贴过去就可以啦!!! 但是关于细节还有很多要调…

JRebel适用于Gradle Spring Boot应用程序

关于如何将JRebel添加到使用Gradle作为构建工具的Spring Boot应用程序中,有一些文档 。 它是基本的,但是效果很好。 您所要做的就是在build.gradle中添加几行: if (project.hasProperty(rebelAgent)) {bootRun.jvmArgs rebelAgent }然后在…

MADDPG中环境怎么配置,multiagent包解决

一、环境提供 MADDPG: https://github.com/starry-sky6688/MADDPG (pytorch版本) MPE环境:https://github.com/openai/multiagent-particle-envs 论文:《Multi-Agent Actor-Critic for Mixed Cooperative-Competitive Environments》https…

使用RabbitMQ的SpringBoot消息传递

RabbitMQ是流行的消息代理解决方案之一,并提供可用于各种编程语言的客户端库,包括Java,Scala,.NET,Go,Python,Ruby,PHP等。在本教程中,我们将学习如何使用RabbitMQ消息代…

1.0jpa 2.0_在JPA 2.1中使用@Convert正确完成映射枚举

1.0jpa 2.0如果您曾经在JPA中使用过Java枚举,那么您肯定会意识到它们的局限性和陷阱。 使用enum作为Entity的属性通常是一个很好的选择,但是2.1之前的JPA不能很好地处理它们。 它给了您2 1个选择: 托肖夫达林 Enumerated(EnumType.ORDINAL…

Drools可执行模型还活着

总览 可执行模型的目的是提供规则集的纯基于Java的表示,以及方便的Java DSL以编程方式创建这种模型。 该模型是低级别的,旨在为用户提供所需的所有信息,例如用于索引评估的lambda。 这样可以使其保持快速运行,并避免在此级别上进行…

java ee cdi_Java EE CDI依赖注入(@Inject)教程

java ee cdi在本教程中,我们将向您展示如何在CDI管理的Bean中实现依赖注入。 特别是,我们将利用CDI API提供的Inject批注将CDI bean注入另一个bean。 通过这种方式,可以在应用程序(例如JavaServer Faces应用程序)中使用…

Java 8中的可重复注释

使用Java 8,您可以对声明或类型重复相同的注释。 例如,要注册一个类仅应由特定角色在运行时访问,则可以编写如下内容: Role("admin") Role("manager") public class AccountResource { }注意,现在…

java sax解析xml_在Java中使用DOM,SAX和StAX解析器解析XML

java sax解析xml我碰巧通读了有关Java中XML解析和构建API的章节。 我试用了样本XML上的其他解析器。 然后,我想在我的博客上分享它,这样我就可以得到该代码的参考以及任何阅读此代码的参考。 在本文中,我将在不同的解析器中解析相同的XML&…

矩形脉冲信号的_IQ信号的解调学习

前面的文章学习了IQ的调制,本文主要讨论IQ的解调过程。调制波形回顾IQ的shifted DQPSK的调制波形总结如下。IQ的星图映射波形每个symbol有256个采样点,这里可以用单位脉冲或者矩形脉冲。如果只看256个symbol的话:IQ经过FIR滤波之后&#xff0…

Spring Data MongoDB教程

在当今世界,尽快启动并运行应用程序非常重要。 该应用程序还应该易于开发和维护。 Spring是这样的框架,它提供了与许多不同框架的集成的简便性,这使得使用Spring开发应用程序变得容易。 一种这样的集成是Spring与MongoDB的集成。 1.简介 在…