DeepLearningを使ったプログラムを書く

DeepLearningを実際に試すに当たって、 多くの場合は自身で実装するのではなくライブラリを使うのがよいでしょう。 利点としてグラボへの対応や実績、学習済みのネットワークが試せる点等があります。

Caffeライブラリ 老舗のライブラリ 設定ファイルでネットワーク構造を記述できるし、コードを書いて拡張も可能.

TensorFlowライブラリ Google Brainチームで開発のライブラリ 海外、国内どちらにおいても利用者の多いライブラリで、活動も活発。 Python、C、Java、Goで書くことができ、グラボのサポートや可視化等含めて扱いやすい。

Chainerライブラリ 日本のPreferred Network開発のライブラリ メインのユーザは日本人で少しずつ活発になってきている。日本語で技術ブログが書かれていることが多いので分からなくても調べやすいかもしれない。 ネットワークの構造を構築しながら実行していくことができ、様々なネットワークを手軽に記述できるのが特徴。

Kerasライブラリ 使いやすさを優先したライブラリ バックグラウンドではTensorFlowライブラリまたはTheanoライブラリを選ぶことになります。Kerasはそれを使いやすくラップしてくれています。 そこそこに人気のあるライブラリです。