Moore-Penrose伪逆是用Caffe还是Theano？
Whether to use Caffe or Theano for Moore-Penrose Pseudo inverse?
我需要使用（在应用程序中）针对多个 CPU 或 GPU 高度优化的极限学习机 (ELM)。由于 ELM 主要计算涉及 Moore-Penrose 伪逆和矩阵乘法，那么在 Theano 和 Caffe 中实现 ELM 的最佳选择是什么？
其次，是否可以使用 Caffe 的 python 接口在 Caffe 中实现新的学习算法（ELM）？
就 Google 而言，Caffe 不会帮助您 "Extreme Learning Machines"。
Secondly, Is it possible to implement a new learning algorithm(ELM) in Caffe using its python interface ?
不，那是不可能的。您将不得不在 C++ 中实现新的层和算法。之后你可以通过 Python.
处理它们
有关 Caffe 的入门知识，请查看 "Neural Nets with Caffe Utilizing the GPU"。
如果我是你，我会使用 Theano，而不是 Caffe。
Caffe 不是 围绕通用矩阵库进行编程，因此对于 Caffe，您基本上会尝试使用螺丝刀打开啤酒。
如果您确实喜欢使用 C++，请查看 MrShadow 或任何其他基于 GPU 的矩阵库。
... 或者简单地使用 Theano 和 Python.
我不是 Python 的忠实粉丝，Theano 需要一些时间才能掌握，但它非常方便。
还有一两个 ELM 库供 Python 您可以用作参考，当您需要测试自己的实现时，这是一个巨大的优势。
https://github.com/dclambert/Python-ELM
我没有用过它们，所以我不能详细说明它们的状态，但总比没有好。
你也可以看看 Keras 和 Lasagne，它们都是建立在 Theano 之上的神经网络库。就像 Caffe 一样，它们对 ELM 帮助不大，但可以帮助您开始使用 Theano+nnets。然后你所要做的就是创建你自己的 ELM 图层。
另一种解决方案是 PyTorch 的 torch.linalg.pinv()，针对 GPU 计算进行了优化：
Computes the pseudo-inverse (also known as the Moore-Penrose inverse) of a matrix input, or of each matrix in a batched input.
我需要使用（在应用程序中）针对多个 CPU 或 GPU 高度优化的极限学习机 (ELM)。由于 ELM 主要计算涉及 Moore-Penrose 伪逆和矩阵乘法，那么在 Theano 和 Caffe 中实现 ELM 的最佳选择是什么？
其次，是否可以使用 Caffe 的 python 接口在 Caffe 中实现新的学习算法（ELM）？
就 Google 而言，Caffe 不会帮助您 "Extreme Learning Machines"。
Secondly, Is it possible to implement a new learning algorithm(ELM) in Caffe using its python interface ?
不，那是不可能的。您将不得不在 C++ 中实现新的层和算法。之后你可以通过 Python.
处理它们有关 Caffe 的入门知识，请查看 "Neural Nets with Caffe Utilizing the GPU"。
如果我是你，我会使用 Theano，而不是 Caffe。 Caffe 不是 围绕通用矩阵库进行编程，因此对于 Caffe，您基本上会尝试使用螺丝刀打开啤酒。 如果您确实喜欢使用 C++，请查看 MrShadow 或任何其他基于 GPU 的矩阵库。
... 或者简单地使用 Theano 和 Python.
我不是 Python 的忠实粉丝，Theano 需要一些时间才能掌握，但它非常方便。
还有一两个 ELM 库供 Python 您可以用作参考，当您需要测试自己的实现时，这是一个巨大的优势。
https://github.com/dclambert/Python-ELM
我没有用过它们，所以我不能详细说明它们的状态，但总比没有好。
你也可以看看 Keras 和 Lasagne，它们都是建立在 Theano 之上的神经网络库。就像 Caffe 一样，它们对 ELM 帮助不大，但可以帮助您开始使用 Theano+nnets。然后你所要做的就是创建你自己的 ELM 图层。
另一种解决方案是 PyTorch 的 torch.linalg.pinv()，针对 GPU 计算进行了优化：
Computes the pseudo-inverse (also known as the Moore-Penrose inverse) of a matrix
input, or of each matrix in a batchedinput.