Dragon深度框架之虚拟风格编程

Theano @ Dragon

计算图原语

• function
• grad
• scan（动态计算图）

  张量计算

Caffe @ Dragon

子集问题

• Blob →Tensor
• Layer → Op
• Net → Graph
• Solve ->Optimizer

2000行复现Caffe

Caffe 与 PyCaffe

Caffe: C++ 接口笨重，编译复杂，扩展库少；
PyCaffe: PyCaffe接口灵活，无穷无尽的Python科学计算库。

Dragon-Caffe

共享Dragon的符号仓库与分布式优化器;
比原生Caffe节省50%～75%的显存。

Caffe-Dragon示例

import dragon.vm.caffe as caffe
#创建Solver与训练
solver = caffe.SGDSolver('solver.prototxt')
solver.step(1000)

#创建Net与推理
net = caffe.Net('net.prototxt')
net.forward(**{'data': data_blob})

源码阅读

FCN图像分割：https://github.com/shelhamer/fen.berkeleyvising.org
Faster-RCNN目标检测：https://github.com/rbgirshick/py-faster-rcnn

Tensorflow @ Dragon

子集问题

• Tenosr’ → Tensor
• Op’ → Op
• Graph’ → Graph
• Session → Function

2000复现TensorFlow

TensorFlow-Dragon 示例

import dragon.m.tensorflow as tf
import dragon.vm.tensorflow.contrib.slim as slim
x = tf.placeholder(tf.float32, [None, 784])
y = tf.placeholder(tf.float32, [None, 10])
y_pred = slim.fully_connected(x, 10, scope= 'fc1')
loss = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(label=y, logits = y_pred))

赏

谢谢你请我吃糖果

支付宝

微信