与Caffe和Theano相比，SHOGUN卷积神经网络是怎样的？

Question

我有兴趣在我的C++程序中实现一个卷积神经网络，在这里我跟踪标记的昆虫(我也在使用OpenCV)。我看到人们经常提到Caffe，Torch和Theano，但我还没有在SHOGUN上听到CNN的讨论。如果你在C++工作，这个CNN运行良好吗?有人推荐它吗？我已经通过scikit使用过Theano -- Python中的神经网络来测试一些图像，这非常有效，但不幸的是，Theano是Python专用的。

Answer 1

区别在于速度。cnn的计算成本很高，所以GPU的实现速度至少是CPU的10倍。caffe和theano提供了调用CPU或GPU的无缝集成，如果没有大量的GPU编程经验，这对您来说可能不容易实现。

可能还存在其他因素，包括多人游戏的统一界面、随机梯度下降等，但我认为速度问题是所有这些因素中最关键的。

Answer 2

Shogun还对NN代码中使用的一些操作提供GPU支持。不过，这项工作仍在进行中。此时，其他库可能会更快。我们在那里建立了这些网络，以便能够方便地将它们与工具箱中的其他算法进行比较。

但是，它的优点是您可以使用大量语言(在内部执行C++代码) --如果您不想使用python，这是非常有用的。

下面是一些IPython笔记本，您可以用它们作为比较的基础：

• 用于去噪和分类的自动编码器
• (卷积)数字分类网络

我们感谢分享任何经验。Shogun在不断地发展，特别是NNs吸引了很多人来研究，所以期待事情的改变。如果您有兴趣帮助GPU的将军，请告诉我们。