Machine Learning

Was ändert sich in Beta 4?

Eclipse Deeplearning4j: 1.0.0-beta4 veröffentlicht
Keine Kommentare

Die neueste Beta zum ersten Major Release von Eclipse Deeplearning4j umfasst mehrere neue Features. Dazu gehört unter anderem die Unterstützung für verschiedene Datentypen von n-dimensionalen Arrays. Am CUDA-Support wurden ebenfalls Anpassungen vorgenommen.

Skymind hat eine neue Beta zu Deeplearning4j 1.0.0 veröffentlicht, die nicht nur neue Features mitbringt, sondern auch Änderungen an vorhandenen vornimmt. Mit Deeplearning4j 1.0.0-beta4 wird die CUDA-Unterstützung aktualisiert. Ab sofort wird Version 9.0 nicht mehr unterstützt, allerdings wurde Support für CUDA 10.1 eingebaut. CUDA-Binaries für die Verwendung der Bibliothek ND4J unter Mac (OSX) werden nicht mehr zur Verfügung gestellt. Unter Linux und Windows bleibt der CUDA-Support erhalten, unter Mac (OSX) muss ND4J ab sofort über die CPU ausgeführt werden.

n-dimensionale Arrays verschiedener Datentypen in Deeplearning4j

Bislang konnten n-dimensionale Arrays in ND4J nur einen global definierten Datentyp abbilden. Ab Beta 4 werden dafür nun weitere Datentypen unterstützt, die einzeln pro Array gewählt werden können:

  • DOUBLE (8 Byte)
  • FLOAT (4 Byte)
  • HALF (2 Byte)
  • LONG (8 Byte)
  • INT (4 Byte)
  • SHORT (2 Byte)
  • UBYTE (1 Byte)
  • BYTE (1 Byte)
  • BOOL (verwendet UBYTE)
  • UTF8 (String-Array-Typ im UTF8-Format)

Lesen Sie auch: Schnelleinstieg in Deeplearning4j – Teil 1: Grundlagen und Methoden

Mehr unterstützte Arten neuronaler Netzwerke

Wenn Deeplearning4j oder ND4J auf der CPU bzw. dem nativen Backend ausgeführt wird, können nun standardmäßig die implementierten Funktionen der Math Kernel Library for Deep Neural Networks (MKL-DNN) von Intel genutzt werden. Das betrifft die folgenden Layer-Typen:

  • ConvolutionLayer und Convolution1DLayer
  • SubsamplingLayer und Subsampling1DLayer
  • BatchNormalization Layer
  • LocalResponse Normalization Layer
  • Convolution3D Layer

Zukünftig soll der MKL-DNN-Support auf weitere Layer-Typen ausgeweitet werden. Auf Wunsch lässt sich MKL-DNN global mittels Nd4jCpu.Environment.getInstance().setUseMKLDNN(false); deaktivieren. Über die Umgebungsvariable ND4J_MKL_FALLBACK ist die Festlegung einzelner Operationen möglich, die ohne MKL-DNN-Unterstützung laufen sollen.

Deeplearning4j steht unter Apache-2.0-Lizenz. Das Projekt steht unter dem Dach der Eclipse Foundation und wird primär von Skymind entwickelt. Die aktuellste stabile Version auf Maven Central ist 0.9.1. Weitere Informationen bieten die offizielle Vorstellung der neuen Beta sowie das Deeplearning4j-Repository auf GitHub.

Unsere Redaktion empfiehlt:

Relevante Beiträge

Hinterlasse einen Kommentar

Hinterlasse den ersten Kommentar!

avatar
400
  Subscribe  
Benachrichtige mich zu:
X
- Gib Deinen Standort ein -
- or -