注意：作为宣布，Chainer正处于维护阶段，进一步开发将仅限于bug-fixes和维护。 Chainer：深度学习框架 网站|文件|安装指南|教程(日本)|示例(官方，外部)|概念|ChainerX公司 论坛(英语，日本)|懒散的邀请(英语，日本)|推特(英语，日本) 链条工是一个基于Python的深度学习框架，旨在实现灵活性。它提供了基于定义-按运行方法（也称为动态计算图）以及面向对象的高级API来构建和训练神经网络。它还支持CUDA/cuDNN使用CuPy公司用于高性能训练和推理。有关Chainer的更多详细信息，请参阅上面列出的文档和资源，并在Forum、Slack和Twitter中加入社区。 安装 有关更多详细信息，请参阅安装指南. 要安装Chainer，请使用pip（点阵）. $pip安装链接器 要启用CUDA支持，CuPy公司是必需的。请参阅CuPy安装指南. Docker图像 我们正在提供Docker的官方图片。此图像支持英伟达码头.使用以下命令登录到环境，并运行Python解释器以使用支持CUDA和cuDNN的Chainer。 $nvidia-docker run-it链接器/chainer/bin/bash 贡献 请参阅捐款指南. ChainerX公司 请参阅ChainerX文档. 许可证 MIT许可证（参见许可证文件）。 更多信息 发行说明 工具书类 Tokui，Seiya等人，《Chainer:加快研究周期的深度学习框架》第25届ACM SIGKDD知识发现与数据挖掘国际会议论文集ACM，2019年。统一资源定位地址 BibTex公司 Tokui，S.、Oono，K.、Hido，S.和Clayton，J。，Chainer：下一代深度学习开源框架，年机器学习系统（LearningSys）研讨会论文集第二十届神经信息处理系统年会, (2015)统一资源定位地址，BibTex公司 秋叶，T.，福田，K.和铃木，S。，ChainerMN：可扩展分布式深度学习框架，ML系统研讨会论文集第三十一届神经信息处理系统年会, (2017)统一资源定位地址，BibTex公司
