由于实验室的项目需求,需要使用RBM(受限制玻尔兹曼机)、DBN(深信度网络)等深度学习的网络模型,于是学习和使用了Toronto大学提供的DeepNet深度学习框架。
DeepNet是Toronto大学的Nitish Srivastava博士开发的一款利用Python实现基于GPU的一些深度学习算法的框架,主要包括以下深度学习算法:
1.Feed-forward Neural Nets
2.Restricted Boltzmann Machines
3.Deep Belief Nets
4.Autoencoders
5.Deep Boltzmann Machines
6.Convolutional Neural Nets
该框架的实现需要cudamat和cuda-convnet的支持。
以下将在Linux环境下搭建DeepNet深度学习框架的过程分享给大家。
1.Linux版本是Ubuntu16.04。
2.下载安装Python。
Python使用的是Anaconda2 4.4.1,因为它集成了许多Python关于计算的第三方库,使用起来非常方便,将Anaconda2的环境变量添加到~/.bashrc文件中去。
cd /home/pb
vi ./bashrc
在最下行添加
export PATH="/ho