سایت در حال بارگذاری است ...

از این پس ورود به وبسایت پایتونی ها فقط از طریق آدرس IP ایران امکان پذیر است ! لطفا برای هرگونه دسترسی به وبسایت پایتونی ها از فیلتر شکن استفاده نکنید ! این شرکت هیچگونه فعالیتی و در فضای مجازی هیچ کدام از پلت فرم های اجتماعی ندارد و تنها منبع اصلی اصلی شرکت پایتونی های خود وبسایت پایتونی ها می باشد.

021-71053903 [email protected] تهران‌ ٬ صادقیه ٬ پاساژ گلدیس

کتابخانه Theano

چرا Theano

کتابخانه Theano یک کتابخانه open source است. یک کتابخانه و کامپایلر بهینه برای عملیات و محاسبات ریاضی در قلب پایتون است.این کتابخانه می داند که ساختارهای ریاضی را چگونه به کد های بسیار کارآمد، تبدیل کند. 

از کتابخانه NumPy و زبان C++ استفاده می کند، تا محاسبات سریعی را روی معماری  CPU  یا  GPU در کوتاهترین زمان انجام دهد. یعنی محاسبات با استفاده از یک NumPy-esque syntax استفاده می شود. در واقع این کتابخانه به ما این امکان را می دهد تا عملکرد ریاضی از جمله آرایه های چند بعدی را با این روش کار آمد ارزیابی کنیم. بیشتر در پروژه های یادگیری عمیق کاربرد دارد. در واحد پردازش گرافیک سریعتر از واحد پردازنده عمل می کند.

تاریخچه

کتابخانه  توسط تیم  MILAدر دانشگاه مونترال کبک کانادا ساخته شده است. نام این  کتابخانه از یک ریاضیدان یونانی گرفته شده است.

 نحوه نصب   Theano

برای نصب این کتابخانه می توانید با این صفحه مراجعه کنید.

ویژگی های Theano:

  • ادغام با NumPy . استفاده از numpy.ndarray برای  تابع های کامپایل شده Theano.
  • استفاده از GPU : محاسبات مربوط به داده های فشرده را بسیار سریعتر از پردازنده انجام می دهد.
  • سرعت و بهینه سازی پایدار: حتی اگر مقادیر ورودی بسیار کوچک باشد، محاسبات دقیق انجام می شود.
  • تولید کد C پویا: ارزیابی سریعتر عبارات
  • تمایز نمادین : این کتابخانه به اندازه کافی هوشمند است که به صورت خودکار نمودارهای نمادین برای شیب های محاسباتی ایجاد می کند.

چه شرکت هایی از  استفاده می کنند؟

  • Vuclip
  • Zetaops
  • vizual.ai
  • Cyanapse

theano these company used

مزایا :

  • پشتیبانی توسط Python  و  Numpy
  • پشتیبانی از هر دو  CPU  و GPU
  • پشتیبانی از RNN  و  CNN
  • می تواند در Deep learning  استفاده شود.
  • اجرای موازی
  • نمودار محاسبات انتزاعی خوب

معایب:

  • استفاده از یک GPU
  • مدل های بزرگ، زمان کامپایل بیشتری دارند.
  • سطح پایین است
  • پیام های خطا واضح نیستند. و می توانند مفید نباشند.

کتابخانه TensorFlow

کتابخانه PyTorch

کتابخانه Keras

مقایسه TensorFlow و Keras

مقایسه PyTorch و Keras

مقایسه TensorFlowوPyTorch

کتابخانه scikit-learn

دیگر کتابخانه های پایتون

مطالعه بیشتر

maryam keshvari

31 مطلب منتشر شده

کارشناسی ارشد فناوری اطلاعات علاقمند به زبان برنامه نویسی python و هوش مصنوعی

درباره این مطلب نظر دهید !

مطالب زیرا حتما بخوانید ...

SVM

Support vector machine

2
دقیـقه مطالعه
ادامه ...

کتابخانه pandas

2
دقیـقه مطالعه
ادامه ...