Pylearn2 介绍
Pylearn2是一个基于Theano的机器学习库，它的大部分功能是基于Theano顶层实现的。这意味着用户可以用数学表达式去编写Pylearn2插件（新模型、算法等），Theano不仅会帮助用户优化这些表达式，并且将这些表达式编译到CPU或者GPU中。
功能特性
-
研究人员可以添加他们所需要的功能。我们避免提前设置过多自上而下的计划，这样容易导致用户难以使用。
-
一个实现高效科学实验的机器学习工具箱。
-
LISA实验室发布的所有模型/算法都应该在Pylearn2中具有引用说明。
-
Pylearn2可能会引用其他库，如scikit-learn。
-
Pylearn2与scikit-learn的不同之处在于Pylearn2旨在提供极大的灵活性，使得研究人员可以自行实现任何事情。而scikit-learn旨在作为一个“黑箱”，即使用户对算法底层实现没有了解也可以输出实验结果。
-
包括了矢量，图像，视频等数据集接口。
-
一个针对普通MLP/RBM/SDA/卷积实验所有需要内容的小型框架。
-
易于重复使用Pylearn2的子组件。
-
使用Pylearn2库的一个子组件不会强制用户使用/学习使用所有其他子组件，用户可以自行选择。
-
支持跨平台序列化学习模型。
-
十分简单易用（蒙特利尔大学的IFT6266）。
Pylearn2 官网
https://github.com/lisa-lab/pylearn2
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 dio@foxmail.com 举报，一经查实，本站将立刻删除。