机器/深度学习ND4J、Jumpy、RL4J、DataVec介绍

以下为你介绍的机器学习/深度学习软件都可用在Linux系统上:ND4J(JVM 科学计算库)、Jumpy(用于 ND4J 的 Python 接口)、RL4J(JVM 的深度强化学习库)、DataVec(ETL 机器学习库)。

1、ND4J(JVM 科学计算库)

机器/深度学习ND4J、Jumpy、RL4J、DataVec介绍

ND4J 是用于 JVM 的 Apache 2.0 许可的科学计算库。

功能:

通用n维数组对象。

多平台功能,包括GPU。

线性代数和信号处理功能。

具体功能:

通过 CUDA 后端 nd4j-cuda-7.5 支持 GPU,通过 nd4j 本机支持 Native。

所有这一切都包含在一个统一的界面中。

API 模拟了 Numpy,Matlab 和 scikit 学习的语义。

下载地址:http://nd4j.org/

2、Jumpy(用于 ND4J 的 Python 接口)

Jumpy 是 ND4J 的 Python 接口:用于 JVM 的 Numpy Array Wrapper。

设置 Jumpy,您需要通过环境变量设置一个 Jumpy  的类路径:

JUMPY_CLASSPATH

JUMPY_CLASSPATH 可以设置为包含用于运行 nd4j 后端所需的 jar 文件的文件列表。

安装:

Jumpy需要一个超级jar(包含nd4j及其所有依赖项的jar文件),并且该文件的路径应该在环境变量JUMPY_CLASS_PATH中找到。

构建uber jar的最简单方法是在pom.xml文件上运行mvn包:

git clone https://www.github.com/deeplearning4j/jumpy.git

cd jumpy

mvn package

这将在目标目录中创建一个名为dl4j-1.0.0-SNAPSHOT.jar的jar文件,将JUMPY_CLASS_PATH环境变量设置为该文件的路径:

export JUMPY_CLASS_PATH='/...../jumpy/target/dl4j-1.0.0-SNAPSHOT.jar'

最后,通过pip安装jumpy:

pip install jumpy

或从source:

python setup.py install

使用Jumpy

创建数组:

就像numpy一样,您可以使用.zeros()或.ones()初始化数组。

1]、将jp导入jumpy

import jumpy as jp

x = jp.zeros((32, 16))

y = jp.ones((32, 16))

2]、将numpy数组转换为Jumpy数组

可以将numpy ndarray实例转换为跳动ndarray实例(反之亦然),而无需复制数据:

import jumpy as jp

import numpy as np

x_np = np.random.random((100, 50))

x_jp = jp.array(x_np)

3]、将Jumpy数组转换为numpy数组

只需调用jumpy.ndarray.ndarray的.numpy()方法:

import jumpy as jp

x_jp = jp.zeros((100,50))

x_np = x_jp.numpy()

下载地址:https://github.com/deeplearning4j/jumpy

3、RL4J(JVM 的深度强化学习库)

RL4J 是一个与 Deeplearning4j 集成的强化学习框架。

DQN(深度 DQ 学习与双 DQN)

Async RL(A3C,Async NStepQlearning)

两者都用于低维(数组)和高维(像素)输入。

机器/深度学习ND4J、Jumpy、RL4J、DataVec介绍

机器/深度学习ND4J、Jumpy、RL4J、DataVec介绍

安装:

在安装所有组件之前安装rl4j-api:

mvn install -pl rl4j-api

[如果您也想要rl4j-gym]下载并安装mvn:gym-java-client(https://github.com/deeplearning4j/gym-java-client)

mvn install

下载地址:https://github.com/deeplearning4j/rl4j

4、DataVec(ETL 机器学习库)

DataVec 是基于 Apache 2.0 许可的 ETL 机器学习(Extract,Transform,Load)操作库。DataVec 的目的是将原始数据转换成可以馈送到机器学习算法的可用向量格式。

当前输入数据类型支持开箱即用:

CSV Data、Raw Text Data (Tweets, Text Documents, etc)、Image Data、LibSVM、SVMLight、MatLab (MAT) format、JSON, XML, YAML, XML。

下载地址:https://github.com/deeplearning4j/DataVec

注明

以上就是机器/深度学习ND4J、Jumpy、RL4J、DataVec的介绍内容,这些机器学习/深度学习软件都能使用在Linux操作系统中。

栏目相关文章