Chainer–一种灵活的神经网络框架

链条工是一个强大、灵活和直观的深度学习框架。

• Chainer支持CUDA计算。它只需要几行代码就可以利用GPU。它也在多个GPU上运行，几乎不需要付出什么努力。

• Chainer支持各种网络架构，包括前馈网、convnet、递归网和递归网。它还支持跨备份架构。

• 正向计算可以包括Python的任何控制流语句，而不缺乏反向传播能力。它使代码直观且易于调试。

教程

• Chainer概览
  • 蘑菇——美味还是致命？
  • 代码细分
  • 输出
• 概念演练
  • 按运行定义
  • 变量和导数
  • 链接
  • 定义您自己的功能
  • 创建模型
  • 优化器
  • 教练
  • 培训师扩展
  • 在Chainer中使用GPU
  • 类型检查
  • 序列化程序–保存和加载
  • 自定义您自己的日志记录

示例

• 神经网络示例
  • MNIST使用训练器
  • 带有手动训练循环的MNIST
  • 视觉识别任务的卷积网络
  • DCGAN：使用深度卷积GAN生成图像
  • 递归网及其计算图
  • RNN语言模型
  • Word2Vec：获取单词嵌入
  • 编写序列到序列（seq2seq）模型
• Colab笔记本示例
• 棒极了的链子

工具书类

• API参考
  • 变量和参数
  • 功能
  • 连杆和链条
  • 概率分布
  • 优化器
  • 重量初始化器
  • 培训工具
  • 数据集集合
  • 迭代器
  • 串行器
  • 后端和设备
  • 公用设施
  • 配置Chainer
  • 调试模式
  • 计算图形的可视化
  • 静态子图优化：用法
  • 静态子图优化：设计说明
  • Caffe模型支持
  • 断言和测试
• 安装
  • 推荐的环境
  • 要求
  • 安装链条器
  • 卸载Chainer
  • 升级Chainer
  • 重新安装链条器
  • 使用Docker运行Chainer
  • 常见问题解答
• ChainerX文档
  • 安装
  • ChainerX教程
  • 限制
  • 参考
  • 贡献指南
  • 提示和常见问题解答
• 使用ChainerMN进行分布式深度学习
  • 安装
  • 辅导的
  • 模型并行
  • API参考

其他

• API兼容性策略
• 贡献指南
• 提示和常见问题解答
• 性能最佳实践
• 升级指南
• 许可证

索引和表格

• 索引

• 模块索引

• 搜索页面

社区

• 闲聊
• 论坛