SHOGUN Toolbox 卷积神经网络与 Caffe 和 Theano 相比如何？
How does the SHOGUN Toolbox convolutional neural network compare to Caffe and Theano?
我有兴趣在我的 C++ 程序中实现一个卷积神经网络，我正在跟踪带标签的昆虫（我也在使用 OpenCV）。我看到人们经常提到 Caffe、Torch 和 Theano，但我还没有听说过 SHOGUN 工具箱中的 CNN 被讨论过。这个 CNN 是否运行良好？如果您使用 C++，有人会推荐它吗？我在 Python 中通过 scikit-neuralnetwork 使用 Theano 来测试一些图像并且效果非常好，除了不幸的是 Theano 是 Python-only.
区别在于速度。 cnn 的计算成本很高，因此 GPU 实现至少比 CPU 快 10 倍。 caffe 和 theano 提供无缝集成调用 CPU 或 GPU，如果没有 GPU 编程经验，这可能不太容易实现。
可能存在其他因素，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。
Shogun 也有 GPU 支持 NN 代码中使用的一些操作。不过，这项工作正在进行中。此时，其他库可能会更快。我们主要在那里构建这些网络，以便能够轻松地将它们与工具箱中的其他算法进行比较。
然而，优点是您可以在多种语言中使用它（而在内部执行 C++ 代码）——如果您不想使用它，这很有用 python。
这里有一些 IPython 笔记本，您可以将其用作比较的基础：
我们感谢分享任何经验。 Shogun 处于不断发展之中，尤其是 NN 吸引了很多人参与其中，因此请期待事情会发生变化。如果您有兴趣帮助 GPU-fying Shogun，请告诉我们。
我有兴趣在我的 C++ 程序中实现一个卷积神经网络，我正在跟踪带标签的昆虫（我也在使用 OpenCV）。我看到人们经常提到 Caffe、Torch 和 Theano，但我还没有听说过 SHOGUN 工具箱中的 CNN 被讨论过。这个 CNN 是否运行良好？如果您使用 C++，有人会推荐它吗？我在 Python 中通过 scikit-neuralnetwork 使用 Theano 来测试一些图像并且效果非常好，除了不幸的是 Theano 是 Python-only.
区别在于速度。 cnn 的计算成本很高，因此 GPU 实现至少比 CPU 快 10 倍。 caffe 和 theano 提供无缝集成调用 CPU 或 GPU，如果没有 GPU 编程经验，这可能不太容易实现。
可能存在其他因素，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。
Shogun 也有 GPU 支持 NN 代码中使用的一些操作。不过，这项工作正在进行中。此时，其他库可能会更快。我们主要在那里构建这些网络，以便能够轻松地将它们与工具箱中的其他算法进行比较。
然而，优点是您可以在多种语言中使用它（而在内部执行 C++ 代码）——如果您不想使用它，这很有用 python。
这里有一些 IPython 笔记本，您可以将其用作比较的基础：
我们感谢分享任何经验。 Shogun 处于不断发展之中，尤其是 NN 吸引了很多人参与其中，因此请期待事情会发生变化。如果您有兴趣帮助 GPU-fying Shogun，请告诉我们。