Deeplearning4j路线图

基于对客户和开源社区成员需求的认识,Skymind设定了下列开发重点。我们欢迎贡献者按自定的优先顺序添加功能。

优先级最高:

  • 为ND4J重写CUDA(进行中)
  • CPU优化(C++后端)
  • 超参数优化(进行中,基础工作已完成:Arbiter
  • 参数服务器
  • ND4J的稀疏支持
  • 网络定型表现测试:对比其他平台(必要之处进行优化)
  • Spark性能测试:对比本地(同上)
  • 大规模构建示例

优先级中等:

  • ND4J的OpenCL
  • CTC循环神经网络(用于语音等)

锦上添花:

  • 自动微分
  • ND4J的复数支持(+优化)
  • 强化学习
  • Python支持/接口
  • 集成(ensemble)学习支持
  • 变分自动编码器
  • 生成式对抗模型

优先级较低:

  • 无Hessian矩阵(Hessian-free)优化算法
  • 其他类型的循环神经网络:多维度;注意力模型、神经图灵机等
  • 3D卷积神经网络

本页内容将持续更新。上次更新日期为2016年2月27日。

与我们在Gitter聊天