文件名称：rnn_benchmarks:pytorch，tensorflow和theano的RNN基准
文件大小：1.42MB
文件格式：ZIP
更新时间：2024-05-22 09:04:12
benchmark lasagne theano tensorflow pytorch
rnn_benchmarks 欢迎使用rnn_benchmarks存储库！ 我们提供： 跨深度学习框架的不同LSTM实现的培训速度比较 自动语音识别的常用输入大小，网络配置和成本函数 最佳实践脚本，用于学习编码网络，优化器，损失函数等。 更新2018年6月4日 Arxiv论文： 运行基准 转到文件夹“ main”，然后在相应的基准文件夹中执行“ main.py”脚本。 在运行“ main.py”之前，您需要提供包含相应框架的python环境的路径。 “ main.py”脚本创建一个将执行基准测试的“ commands.sh”脚本。 测得的执行时间将被写入“ results / results.csv”。 玩具数据和默认参数由“ support.py”提供，以确保每个脚本使用相同的超参数。
【文件预览】：
rnn_benchmarks-master
----1x320-LSTM()
--------lib_pytorchLSTM.py(5KB)
--------bench_pytorch_LSTMCell-basic.py(3KB)
--------bench_tensorflow_LSTMCell.py(3KB)
--------bench_tensorflow_LSTMBlockCell.py(3KB)
--------bench_lasagne_LSTMLayer.py(3KB)
--------bench_pytorch_cudnnLSTM.py(3KB)
--------bench_keras-tensorflow_LSTM.py(2KB)
--------bench_keras-theano_LSTM.py(2KB)
--------bench_tensorflow_LSTMBlockFusedCell.py(3KB)
--------__init__.py(0B)
--------bench_pytorch_LSTMCell-fused.py(3KB)
--------bench_keras-tensorflow_cudnnLSTM.py(2KB)
--------bench_tensorflow_cudnnLSTM.py(3KB)
----support.py(6KB)
----results()
--------10()
----.idea()
--------rnn_benchmarks.iml(459B)
--------misc.xml(209B)
--------vcs.xml(180B)
--------modules.xml(280B)
--------workspace.xml(62KB)
----main()
--------pytorch_comparison()
--------framework_comparison()
----4x320-LSTM_ctc()
--------bench_tensorflow_LSTMCell.py(4KB)
--------bench_tensorflow_LSTMBlockCell.py(3KB)
--------bench_lasagne_LSTMLayer.py(5KB)
--------bench_pytorch_cudnnLSTM.py(3KB)
--------__init__.py(0B)
----.gitignore(20B)
----README.md(2KB)
----utils()
--------rm_results.sh(85B)
--------enable_cores.sh(81B)
--------plot_all.sh(735B)
--------analyse_pandas.py(794B)
--------disable_cores.sh(246B)
----4x320-LSTM()
--------bench_tensorflow_LSTMCell.py(3KB)
--------bench_tensorflow_LSTMBlockCell.py(3KB)
--------bench_lasagne_LSTMLayer.py(4KB)
--------bench_pytorch_cudnnLSTM.py(3KB)
--------__init__.py(0B)
--------bench_tensorflow_cudnnLSTM.py(3KB)