홈페이지>프로그래밍 관련>파이썬
다운로드

오픈 소스 딥 러닝 서버 및 API

DeepDetect (https://www.deepdetect.com/)는 기계 학습 API 및 C ++ 11로 작성된 서버입니다. 최첨단 기계 학습을 쉽게 작업하고 기존 응용 프로그램에 통합 할 수 있습니다. Tensorrt (NVIDIA GPU) 및 NCNN (ARM CPU)이있는 임베디드 플랫폼으로 자동 변환하여 교육 및 추론을 지원합니다.

단순성과 사용 편의성, 기존 애플리케이션 테스트 및 연결에 중점을 둔 이미지, 텍스트, 시계열 및 기타 데이터의 감독 및 감독되지 않은 딥 러닝에 대한 지원을 구현합니다. 분류, 객체 감지, 세분화, 회귀, 자동 인코더, ...

또한 매우 일반적이고 유연한 API를 통해 외부 기계 학습 라이브러리에 의존합니다. 현재 그것은 다음을 지원합니다.

  • 딥 러닝 라이브러리 Caffe, Tensorflow, Caffe2, Torch, NCNN Tensorrt 및 DLIB
  • 분산 그라디언트 부스트 라이브러리 XGBOOST
  • t-sne으로 클러스터링
  • 성가신 유사성 검색 및 faiss

Gitter의 커뮤니티에 가입하여 사용자가 설치, API, 신경망 및 외부 애플리케이션 연결을 통과 할 수 있도록 도와주십시오.

빌드 유형 안정적인 개발
원천

https://docker.jolibrain.com/에서 제공되는 모든 DeepDetect Docker 이미지.

  • 사용 가능한 모든 이미지를 나열하려면 : 
 curl -X GET https://docker.jolibrain.com/v2/_catalog
  • deepdetect_cpu 이미지에 대한 이미지가 사용 가능한 태그를 나열하려면 : 
 curl -X GET https://docker.jolibrain.com/v2/deepdetect_cpu/tags/list

  • 주요 기능

  • 라이브러리 당 머신 러닝 기능

  • 설치

    • Docker에서
    • 소스에서
    • Amazon AMI : GPU 및 CPU에서
    • 지속적인 통합 테스트를 모방합니다

  • 사용할 준비가되었습니다

  • 생태계

    • 플랫폼 프레젠테이션
    • Docker-Compose를 사용한 플랫폼 설치
    • Helm (Kubernetes)을 사용한 플랫폼 설치
    • 도구와 클라이언트

  • 선적 서류 비치:

    • 소개
    • API QuickStart : 몇 분 안에 이미지 분류기 API 서비스 설정
    • API 튜토리얼 : 텍스트, 데이터 및 이미지 교육, 예측 서비스 설정 및 외부 소프트웨어로의 내보내기 (예 : elasticsearch)
    • API 참조
    • 예 : 데이터, 텍스트, CNN 및 Googlenet에 대한 다중 표적 회귀, Finetuning 등의 MLP ...)
    • FAQ

  • 시민:

    • HTML 및 JavaScript를 사용한 이미지 분류 웹 응용 프로그램
    • Python 클라이언트를 사용한 이미지 유사성 검색
    • Python 클라이언트를 사용한 이미지 객체 감지
    • Python 클라이언트를 사용한 이미지 세분화

  • Raspberry Pi 3과 함께 NVIDIA 데스크탑 및 내장 GPU에 대한 성능 도구 및 보고서.

  • 참조

  • 저자

주요 기능

  • 기계 학습 및 딥 러닝을위한 고급 API
  • 카페, Tensorflow, Xgboost, T-Sne, Caffe2, NCNN, Tensorrt, Pytorch 지원
  • 분류, 회귀, 자동 인코더, 객체 감지, 세분화, 시계열
  • JSON 커뮤니케이션 형식
  • 원격 파이썬 및 Javacript 클라이언트
  • 비동기 교육 통화를 지원하는 전용 서버
  • 고성능, 멀티 코어 CPU 및 GPU의 혜택
  • 신경 임베딩을 통한 내장 유사성 검색
  • 온도 데이터 증강으로 대규모 이미지 모음을 처리하는 커넥터 (예 : 회전, 미러링)
  • 사전 처리 기능으로 CSV 파일을 처리하는 커넥터
  • 텍스트 파일, 문장 및 문자 기반 모델을 처리하는 커넥터
  • 스파 스 데이터의 SVM 파일 형식을 처리하는 커넥터
  • 내장 모델 평가 측정 범위 (예 : F1, 멀티 클래스 로그 손실, ...)
  • 특수 손실 범위 (예 : 주사위, 윤곽, ...)
  • 데이터베이스 종속성 및 동기화 없음, 모든 정보 및 모델 매개 변수는 파일 시스템에서 구성하고 사용할 수 있습니다.
  • 외부 애플리케이션에 대한 연결을 단순화하기위한 유연한 템플릿 출력 형식
  • 가장 유용한 신경 아키텍처를위한 템플릿 (예 : Googlenet, Alexnet, Resnet, Convnet, 캐릭터 기반 Convnet, MLP, 로지스틱 회귀, SSD, Deeplab, Pspnet, U-Net, CRNN, Shufflenet, Squeezenet, Mobilenet, Refinedet, Vovnet, ...)
  • GPU 및 CPU의 희소 기능 및 계산 지원
  • 예측 된 기능, 이미지, 개체 및 확률 분포의 내장 유사성 인덱싱 및 검색
  • Swagger를 기반으로 자동 생성 된 문서

라이브러리 당 머신 러닝 기능

카페 caffe2 xgboost Tensorrt NCNN Libtorch 텐서 플로 t-sne dlib
피복재
훈련 (CPU) 와이 와이 와이 N/A N/A 와이 N 와이 N
훈련 (GPU) 와이 와이 와이 N/A N/A 와이 N 와이 N
추론 (CPU) 와이 와이 와이 N 와이 와이 와이 N/A 와이
추론 (GPU) 와이 와이 와이 와이 N 와이 와이 N/A 와이
모델
분류 와이 와이 와이 와이 와이 와이 와이 N/A 와이
물체 감지 와이 와이 N 와이 와이 N N N/A 와이
분할 와이 N N N N N N N/A N
회귀 와이 N 와이 N N 와이 N N/A N
autoencoder 와이 N N/A N N N N N/A N
NLP 와이 N 와이 N N 와이 N 와이 N
OCR / SEQ2SEQ 와이 N N N 와이 N N N N
시계열 와이 N N N 와이 와이 N N N
데이터
CSV 와이 N 와이 N N N N 와이 N
SVM 와이 N 와이 N N N N N N
텍스트 단어 와이 N 와이 N N N N N N
텍스트 문자 와이 N N N N N N 와이 N
이미지 와이 와이 N 와이 와이 와이 와이 와이 와이
시계열 와이 N N N 와이 N N N N

도구와 클라이언트

  • 파이썬 클라이언트 :
    • 휴식 클라이언트 : https://github.com/jolibrain/deepdetect/tree/master/clients/python
    • 'la scikit'바인딩 : https://github.com/ardalanm/pydd
  • javacript 클라이언트 : https://github.com/jolibrain/deepdetect-js
  • Java 클라이언트 : https://github.com/kfadhel/deepdetect-api-java
  • 초기 C # 클라이언트 : # 98
  • Tensorboard를 통한 DeepDetect 교육 메트릭을 로그 https://github.com/jolibrain/dd_board

모델

카페 텐서 플로 원천 상단 1 정확도 (ImageNet)
Alexnet 와이 N BVLC 57.1%
스퀴 제넷 와이 N 딥 스케일 59.5%
Inception v1 / googlenet 와이 와이 BVLC / Google 67.9%
Inception v2 N 와이 Google 72.2%
Inception v3 N 와이 Google 76.9%
Inception v4 N 와이 Google 80.2%
RESNET 50 와이 와이 MSR 75.3%
RESNET 101 와이 와이 MSR 76.4%
RESNET 152 와이 와이 MSR 77%
Inception-Resnet-V2 N 와이 Google 79.79%
VGG-16 와이 와이 옥스퍼드 70.5%
VGG-19 와이 와이 옥스퍼드 71.3%
Resnext 50 와이 N https://github.com/terrychenism/resnext 76.9%
Resnext 101 와이 N https://github.com/terrychenism/resnext 77.9%
Resnext 152 와이 N https://github.com/terrychenism/resnext 78.7%
Densenet-121 와이 N https://github.com/shicai/densenet-caffe 74.9%
Densenet-161 와이 N https://github.com/shicai/densenet-caffe 77.6%
Densenet-169 와이 N https://github.com/shicai/densenet-caffe 76.1%
Densenet-201 와이 N https://github.com/shicai/densenet-caffe 77.3%
Se-bn-inception 와이 N https://github.com/hujie-frank/senet 76.38%
SE-Resnet-50 와이 N https://github.com/hujie-frank/senet 77.63%
SE-RESNET-101 와이 N https://github.com/hujie-frank/senet 78.25%
SE-Resnet-152 와이 N https://github.com/hujie-frank/senet 78.66%
Se-Resnext-50 와이 N https://github.com/hujie-frank/senet 79.03%
Se-Resnext-101 와이 N https://github.com/hujie-frank/senet 80.19%
세넷 와이 N https://github.com/hujie-frank/senet 81.32%
VOC0712 (객체 감지) 와이 N https://github.com/weiliu89/caffe/tree/ssd 71.2지도
inceptionbn-21k 와이 N https://github.com/pertusa/inceptionbn-21k-for-caffe 41.9%
Inception v3 5k N 와이 https://github.com/openimages/dataset
5 포인트 페이스 랜드 마킹 모델 (얼굴 감지) N N http://blog.dlib.net/2017/09/fast-multiclass-object-detection-in.html
전면/후면 차량 감지 (객체 감지) N N http://blog.dlib.net/2017/09/fast-multiclass-object-detection-in.html

더 많은 모델 :

  • 상업용 용도, 이미지 분류를위한 깊은 신경망 및 텍스트 분류를위한 문자 기반 컨볼 루션 그물 : https://www.deepdetect.com/applications/list_models/

참조

  • DeepDetect (https://www.deepdetect.com/)
  • caffe (https://github.com/jolibrain/caffe)
  • xgboost (https://github.com/dmlc/xgboost)
  • t-sne (https://github.com/dmitryulyanov/multicore-tsne)

저자

DeepDetect는 다른 기여자들의 도움으로 Jolibrain이 설계, 구현 및 지원합니다.

확장하다
추가 정보
관련 애플리케이션
추천
관련 정보 전체