更多

简简单单构建复杂神经网络

DeepLearning.scala 是整合了面向对象和函数式编程的 Scala 深度学习工具库,提供了 map/reduce 以及其他高阶函数,创建静态类型检查的动态神经网络。

可微分式编程

DeepLearning.scala 允许你从数学公式创建神经网络。它支持 floatdouble 和 GPU 加速的N维数组,能自动计算公式中每个权重的导数。

函数式编程

神经网络可以是 Monad,由高阶函数组成。除了 Monad 之外,DeepLearning.scala 也支持Applicative,多个子网络之间可以并行计算。

动态神经网络

神经网络也是程序。所有的 Scala 功能,包括函数、表达式、控制流等,都可以用在神经网络里,甚至可以在 Jupyter Notebook 中逐行执行。

DeepLearning.scala 支持插件。插件提供了算法、模型、超参数以及其他各种功能。你可以分享你自己的插件,只要简单的创建 Github Gist 即可。

DeepLearning.scala 是一个 Scala 编写的开源深度学习工具箱,由我们 ThoughtWorks 的同事创建。我们对这个项目感到兴奋的地方在于,它使用了可微分函数式编程来创建和组合神经网络。开发者只需要编写具有静态类型的 Scala 代码。
技术雷达第十六卷
技术雷达第十六卷

ThoughtWorks 中国大数据团队

ThoughtWorks总监咨询师

具有15年的企业架构及管理咨询经验。 帮助众多大型企业优化业务流程, 构建数字化企业架构,实现业务敏捷,目前专注在数字化战略咨询及大数据、人工智能领域。


DeepLearning.scala、Binding.scala主要贡献者

曾在网易任技术经理和项目经理,开发过多款游戏。现任ThoughtWorks首席咨询师,为客户提供移动、互联网、大数据、人工智能和深度学习领域的解决方案。

ThoughtWorks中国区首席数据科学家

写了十余年程序,擅长数据治理,数据挖掘和机器学习。致力于用漂亮的理论漂亮的解决问题,包括而不限于时间序列分析及预测,数学建模,模型优化,模式识别,模糊搜索,智能问答等。

DeepLearning.scala主要贡献者

同时也是开源软件:

Scalaz & RAII.scala & TryT.scala & Future.scala的主要贡献者。他曾参与过多个Web应用程序项目开发,在机器学习领域有丰富经验。

联系我们

如果您有任何问题、想法、洞见或启发,欢迎联系我们。