文件名称：matlab图片叠加的代码-mlbenchmark:对开源ML框架（TF，Theano，MXNet和Caffe）进行基准测试
文件大小：61MB
文件格式：ZIP
更新时间：2024-06-12 13:09:26
系统开源
matlab图片叠加的代码mlbenchmark 摘录自gh / jeffheaton [t81_558_deep_learning github]， 对开源ML框架（TF，Theano，MXNet和Caffe）进行基准测试。 ML框架的入门级工程师的Matlab接口 本文涵盖了对Tensorflow，Theano，MXNet和Caffe这四个框架的简要比较研究，涉及以下几个方面：速度，利用率和在商业平台上的可伸缩性。 Tensorflow取得了总体最佳成绩，并被用作入门级工程师和开放源代码框架之间的接口所选择的语言。 本文和类似产品的目的是设计一个接口，该接口允许在Matlab中设计问题，然后将其正确移植到Tensorflow，以利用此开源工具为基于GPU / CPU的硬件配置提供的广泛优势。 所有实验都是在一台运行Windows 10 Pro（64位）的计算机上执行的，该计算机具有Intel:registered:Core:trade_mark:i7-4790K CPU @ 4.00GHz 3.60 GHz； Nvidia GeForce GTX 750 Ti（版本378.66）; 16 GiB DDR3内存; 和WD Bl
【文件预览】：
mlbenchmark-master
----mnist()
--------conv_lenet5_Tf.py(14KB)
--------conv_lenet5_Theano.py(13KB)
--------data()
--------conv_lenet5_mxnet.py(4KB)
--------results()
--------conv_lenet5_lasange.py(16KB)
----airfoil()
--------airfoil_regress_tf.py(6KB)
--------airfoil_regress_theano.py(5KB)
--------data()
--------caffe()
--------airfoil_regress_caffe.py(6KB)
--------airfoil_regress_mxnet.py(4KB)
--------airfoil_regress_caffe_predict.py(4KB)
----naval_propulsion()
--------naval_prop_regress_tf.py(6KB)
--------data()
--------naval_prop_regress_caffe_predict.py(4KB)
--------naval_prop_regress_theano.py(5KB)
--------naval_prop_regress_mxnet.py(5KB)
--------multiregress()
--------naval_prop_regress_caffe.py(7KB)
----household_power_consump()
--------household_power_consumption.zip(19.68MB)
--------household1_iter_320200.caffemodel(2.63MB)
--------household_regress_tf.py(6KB)
--------household_regress_theano.py(5KB)
--------household_regress_caffe_predict.py(4KB)
--------household_regress_caffe.py(7KB)
--------household1_iter_320200.solverstate(5.27MB)
--------household_regress_mxnet.py(5KB)
--------household_regress_tf_voltage.py(7KB)
----AE8900_REPT_Yu_Louis_PaperOnly.pdf(2.24MB)
----README.md(3KB)