性能 Encog 与 Deeplearning4J
Performance Encog vs Deeplearning4J
我们正在 Java 中使用神经网络开展一个项目。我们想在我们的数据集上测试不同的网络结构。现在我们评估 Java 个神经网络中哪个神经网络的性能最好。我们正在评估 Encog、Neuroph 和 DL4J。你能告诉我们一些好的资源或你自己的经验吗？
谢谢
Deeplearning4j 创建者在这里：
Encog 由 Jeff Heaton 在 90 年代初编写，并且在很长一段时间内都是标准的 Java 深度学习框架。我不认为 Encog 处理分布式计算，与 GPU、Hadoop、Spark 或 Kafka 一起工作，或者考虑自 2006 年以来 DL 中的许多算法进步。（Jeff，如果我错了请纠正我！）
Deeplearning4j 可以做所有这些事情。它使用 Spark 作为访问层在分布式 CPU 或 GPU 上工作。它在 CDH5 上获得认证，很快在 HDP 上获得认证……它包括 LSTM (RNN)、深度卷积网络、RBM、DBN 和 word2vec 以及其他神经网络的实现。它是目前最流行的 JVM DL 工具，也是世界上排名前 5 的 DL 库之一。
Deeplearning4j 由数值计算库 ND4J 或 Java 的 n 维数组提供支持。基本上，我们将 Numpy 移植到了 JVM。这使得 DL4J 具有可扩展性，您会看到我们在不久的将来添加其他算法，如强化学习。反过来，ND4J 在 libND4J 上运行，libND4J 是一个可以加快计算速度的 C++ 库。我们还构建了向量化库 Canova，它可以获取任何类型的数据并将其转换为神经网络可以理解的向量。我们正在尝试解决 NN 上游的一些 ETL 问题。
Neuroph的可视化很强，但我无权评判他们的其他框架，就让他们自己说吧！
https://github.com/deeplearning4j
Gitter 上的 Deeplearning4j 用户支持频道中有近 2000 名开发者。如果您有任何问题，请加入我们：
我在 java 世界中只有一些使用 Deeplearning4j 和 Encog 的经验，我认为这在很大程度上取决于您的目标是什么。
Deeplearning4j 无疑是 2 中最复杂的框架；它有很棒的工具，它与 GPU 一起工作，它支持 LSTM 和卷积神经网络之类的东西，它已经为分布式训练而设置，等等。
但尽管它既精致又酷，它也可以有点像 PITA。当主页希望您使用特定的 IDE 并指向依赖项目的冗长安装指南时，您知道它不会很简单。
但如果你需要它，那是值得的。
话虽如此，在某些情况下，Encog 仍有很多值得一提的地方。它非常容易与几乎任何 java 项目集成；只需包含一个 .jar 文件即可。
它速度非常快，可以非常有效地使用您的 CPU 个核心，它有一个非常漂亮且易于理解的 API。如果您需要一个 java 库来有效地实现前馈神经网络，或者如果您想了解更多关于一般机器学习的知识，我强烈推荐 Encog。
当您 运行 了解 Encog 的局限性时，请尝试 Deeplearning4j 或查看 java 之外的内容并尝试 Tensorflow 之类的东西（它也有一些 java 支持）。
我可以告诉你我的经历。
早在 2015 年，我就在寻找一个好的 Java 深度学习框架。经过初步研究，我遇到了 Encog。我很快意识到它缺少现代神经网络的许多组件，也就是说，它已经过时了，而且我什至在设置它时也遇到了很多麻烦（它不是很灵活）。顺便说一句，它确实允许在 CPU 上进行并行计算。
所以我决定编写自己的框架，我仍在使用它并且运行良好。然后我遇到了 deeplearning4j，我可以告诉你它非常完整并且计算速度非常快。我会说如果你想看看 15 年前的神经网络框架使用 Encog，否则没有理由使用它，即使用 deeplearning4j，或尝试一些 python 深度学习框架。
我们正在 Java 中使用神经网络开展一个项目。我们想在我们的数据集上测试不同的网络结构。现在我们评估 Java 个神经网络中哪个神经网络的性能最好。我们正在评估 Encog、Neuroph 和 DL4J。你能告诉我们一些好的资源或你自己的经验吗？ 谢谢
Deeplearning4j 创建者在这里：
Encog 由 Jeff Heaton 在 90 年代初编写，并且在很长一段时间内都是标准的 Java 深度学习框架。我不认为 Encog 处理分布式计算，与 GPU、Hadoop、Spark 或 Kafka 一起工作，或者考虑自 2006 年以来 DL 中的许多算法进步。（Jeff，如果我错了请纠正我！）
Deeplearning4j 可以做所有这些事情。它使用 Spark 作为访问层在分布式 CPU 或 GPU 上工作。它在 CDH5 上获得认证，很快在 HDP 上获得认证……它包括 LSTM (RNN)、深度卷积网络、RBM、DBN 和 word2vec 以及其他神经网络的实现。它是目前最流行的 JVM DL 工具，也是世界上排名前 5 的 DL 库之一。
Deeplearning4j 由数值计算库 ND4J 或 Java 的 n 维数组提供支持。基本上，我们将 Numpy 移植到了 JVM。这使得 DL4J 具有可扩展性，您会看到我们在不久的将来添加其他算法，如强化学习。反过来，ND4J 在 libND4J 上运行，libND4J 是一个可以加快计算速度的 C++ 库。我们还构建了向量化库 Canova，它可以获取任何类型的数据并将其转换为神经网络可以理解的向量。我们正在尝试解决 NN 上游的一些 ETL 问题。
Neuroph的可视化很强，但我无权评判他们的其他框架，就让他们自己说吧！
https://github.com/deeplearning4j
Gitter 上的 Deeplearning4j 用户支持频道中有近 2000 名开发者。如果您有任何问题，请加入我们：
我在 java 世界中只有一些使用 Deeplearning4j 和 Encog 的经验，我认为这在很大程度上取决于您的目标是什么。 Deeplearning4j 无疑是 2 中最复杂的框架；它有很棒的工具，它与 GPU 一起工作，它支持 LSTM 和卷积神经网络之类的东西，它已经为分布式训练而设置，等等。 但尽管它既精致又酷，它也可以有点像 PITA。当主页希望您使用特定的 IDE 并指向依赖项目的冗长安装指南时，您知道它不会很简单。 但如果你需要它，那是值得的。
话虽如此，在某些情况下，Encog 仍有很多值得一提的地方。它非常容易与几乎任何 java 项目集成；只需包含一个 .jar 文件即可。 它速度非常快，可以非常有效地使用您的 CPU 个核心，它有一个非常漂亮且易于理解的 API。如果您需要一个 java 库来有效地实现前馈神经网络，或者如果您想了解更多关于一般机器学习的知识，我强烈推荐 Encog。 当您 运行 了解 Encog 的局限性时，请尝试 Deeplearning4j 或查看 java 之外的内容并尝试 Tensorflow 之类的东西（它也有一些 java 支持）。
我可以告诉你我的经历。
早在 2015 年，我就在寻找一个好的 Java 深度学习框架。经过初步研究，我遇到了 Encog。我很快意识到它缺少现代神经网络的许多组件，也就是说，它已经过时了，而且我什至在设置它时也遇到了很多麻烦（它不是很灵活）。顺便说一句，它确实允许在 CPU 上进行并行计算。
所以我决定编写自己的框架，我仍在使用它并且运行良好。然后我遇到了 deeplearning4j，我可以告诉你它非常完整并且计算速度非常快。我会说如果你想看看 15 年前的神经网络框架使用 Encog，否则没有理由使用它，即使用 deeplearning4j，或尝试一些 python 深度学习框架。