deepdetect

开源深度学习服务器和API

DeepDetect（https://www.deepdetect.com/）是一款机器学习API和C ++ 11中编写的服务器。它使最适合与现有应用程序合作并集成到现有的应用程序中。它具有对训练和推理的支持，并自动转换为带有Tensorrt（Nvidia GPU）和NCNN（ARM CPU）的嵌入式平台。

它支持对图像，文本，时间序列和其他数据的监督和无监督的深度学习，重点是简单性和易用性，测试和连接到现有应用程序中。它支持分类，对象检测，细分，回归，自动编码器，...

它通过非常通用且灵活的API依赖外部机器学习库。目前，它具有支持：

• 深度学习库Caffe，Tensorflow，Caffe2，Torch，NCNN Tensorrt和Dlib
• 分布式梯度提升库xgboost
• 与T-SNE聚集
• 与烦恼和faiss相似性搜索

请加入社区，以吉特（Gitter）的身份，我们可以帮助用户通过安装，API，神经网和与外部应用程序的连接进行连接。

---

构建类型	稳定的	开发
来源

所有DeepDetect Docker图像可从https://docker.jolibrain.com/获得。

• 列出所有可用的图像：

 curl -X GET https://docker.jolibrain.com/v2/_catalog

• 要列出一个可用的图像标签，例如， deepdetect_cpu图像：

 curl -X GET https://docker.jolibrain.com/v2/deepdetect_cpu/tags/list

---

• 主要功能

• 每个库的机器学习功能

• 安装

  • 来自Docker
  • 来自来源
  • 来自Amazon Ami：GPU和CPU
  • 模仿连续集成测试

• 准备使用的型号

• 生态系统

  • 平台演示
  • 使用Docker-Compose安装平台
  • 带有头盔的平台安装（Kubernetes）
  • 工具和客户

• 文档：

  • 介绍
  • API QuickStart：在几分钟内设置图像分类器API服务
  • API教程：从文本，数据和图像，预测服务设置的设置以及出口到外部软件（例如Eg Elasticsearch）的培训
  • API参考
  • 示例：用于数据，文本，对CNN和GOOGLENET的多目标回归的MLP，Finetuning等...）
  • 常问问题

• 演示：

  • 使用HTML和JavaScript的图像分类Web应用程序
  • 使用Python客户端的图像相似性搜索
  • 使用Python客户端检测图像对象检测
  • 使用Python客户端进行图像分割

• 性能工具并在NVIDIA桌面和嵌入式GPU上进行报告，以及Raspberry Pi 3。

• 参考

• 作者

主要功能

• 用于机器学习和深度学习的高级API
• 支持Caffe，Tensorflow，Xgboost，T-SNE，Caffe2，NCNN，Tensorrt，Pytorch
• 分类，回归，自动编码器，对象检测，细分，时间序列
• JSON通信格式
• 远程Python和Javacript客户
• 专用服务器，并支持异步训练电话
• 高性能，受益于多核CPU和GPU
• 通过神经嵌入的内置相似性搜索
• 连接器可以处理大量图像收集，并具有在线数据增强（例如旋转，镜像）
• 具有预处理功能的连接器来处理CSV文件
• 处理文本文件，句子和基于字符的模型的连接器
• 连接器处理稀疏数据的SVM文件格式
• 内置模型评估措施范围（例如F1，多类日志损失，...）
• 特殊损失范围（例如骰子，轮廓，...）
• 没有数据库依赖关系和同步，所有信息和模型参数都组织起来并从文件系统中获得
• 灵活的模板输出格式以简化与外部应用程序的连接
• 最有用的神经体系结构的模板（例如Googlenet，Alexnet，Resnet，Convnet，基于角色的Convnet，MLP，MLP，Logistic Remission，SSD，Deeplab，Pspnet，u-net，u-net，crnn，crnn，shufflenet，squeeezenet，squeezenet，mobilenet，mobilenet，pofinetet，vovnet，vovnet，...））
• 支持GPU和CPU上的稀疏功能和计算
• 内置的相似性索引和搜索预测的功能，图像，对象和概率分布
• 基于招摇的自动生成文档

每个库的机器学习功能

	咖啡饼	caffe2	xgboost	张力	NCNN	libtorch	张量	T-SNE	Dlib
服务
培训（CPU）	y	y	y	N/A。	N/A。	y	n	y	n
培训（GPU）	y	y	y	N/A。	N/A。	y	n	y	n
推理（CPU）	y	y	y	n	y	y	y	N/A。	y
推理（GPU）	y	y	y	y	n	y	y	N/A。	y
型号
分类	y	y	y	y	y	y	y	N/A。	y
对象检测	y	y	n	y	y	n	n	N/A。	y
分割	y	n	n	n	n	n	n	N/A。	n
回归	y	n	y	n	n	y	n	N/A。	n
自动编码器	y	n	N/A。	n	n	n	n	N/A。	n
NLP	y	n	y	n	n	y	n	y	n
OCR / SEQ2SEQ	y	n	n	n	y	n	n	n	n
时间序列	y	n	n	n	y	y	n	n	n
数据
CSV	y	n	y	n	n	n	n	y	n
SVM	y	n	y	n	n	n	n	n	n
文字	y	n	y	n	n	n	n	n	n
文字字符	y	n	n	n	n	n	n	y	n
图像	y	y	n	y	y	y	y	y	y
时间序列	y	n	n	n	y	n	n	n	n

工具和客户

• Python客户端：
  • REST客户端：https：//github.com/jolibrain/deepdetect/tree/master/clients/python
  • 'a la scikit'绑定：https：//github.com/ardalanm/pydd
• Javacript客户端：https：//github.com/jolibrain/deepdetect-js
• Java客户端：https：//github.com/kfadhel/deepdetect-api-java
• 早期C＃客户端：＃98
• 通过Tensorboard：https：//github.com/jolibrain/dd_board通过tensorboard：log DeepDetect培训指标

型号

	咖啡饼	张量	来源	TOP-1准确性（Imagenet）
Alexnet	y	n	BVLC	57.1％
挤压	y	n	深度	59.5％
Inception V1 / googlenet	y	y	BVLC / Google	67.9％
Inception v2	n	y	谷歌	72.2％
Inception V3	n	y	谷歌	76.9％
Inception V4	n	y	谷歌	80.2％
重新连接50	y	y	MSR	75.3％
重新连接101	y	y	MSR	76.4％
重新连接152	y	y	MSR	77％
Inception-Resnet-V2	n	y	谷歌	79.79％
VGG-16	y	y	牛津	70.5％
VGG-19	y	y	牛津	71.3％
Resnext 50	y	n	https://github.com/terrychenism/resnext	76.9％
Resnext 101	y	n	https://github.com/terrychenism/resnext	77.9％
Resnext 152	y	n	https://github.com/terrychenism/resnext	78.7％
Densenet-121	y	n	https://github.com/shicai/densenet-caffe	74.9％
Densenet-161	y	n	https://github.com/shicai/densenet-caffe	77.6％
Densenet-169	y	n	https://github.com/shicai/densenet-caffe	76.1％
Densenet-2011	y	n	https://github.com/shicai/densenet-caffe	77.3％
SE-BN渗透	y	n	https://github.com/hujie-frank/senet	76.38％
Se-Resnet-50	y	n	https://github.com/hujie-frank/senet	77.63％
SE-RESNET-101	y	n	https://github.com/hujie-frank/senet	78.25％
SE-RESNET-152	y	n	https://github.com/hujie-frank/senet	78.66％
Se-Resnext-50	y	n	https://github.com/hujie-frank/senet	79.03％
SE-RESNEXT-101	y	n	https://github.com/hujie-frank/senet	80.19％
塞特	y	n	https://github.com/hujie-frank/senet	81.32％
VOC0712（对象检测）	y	n	https://github.com/weiliu89/caffe/tree/ssd	71.2地图
InceptionBn-21k	y	n	https://github.com/pertusa/inceptionbn-21k-for-caffe	41.9％
Inception v3 5k	n	y	https://github.com/openimages/dataset
5点面部标记模型（面部检测）	n	n	http://blog.dlib.net/2017/09/fast-multiclass-object-detection-in.html
前/后车辆检测（对象检测）	n	n	http://blog.dlib.net/2017/09/fast-multiclass-object-detection-in.html

更多模型：

• 免费的，即使用于商业用途的免费列表，用于图像分类的深神网和用于文本分类的基于角色的卷积网：https：//www.deepdetect.com/applications/list_models/

参考

• DeepDetect（https://www.deepdetect.com/）
• caffe（https://github.com/jolibrain/caffe）
• XGBOOST（https://github.com/dmlc/xgboost）
• T-SNE（https://github.com/dmitrylyanov/multicore-tsne）

作者

DeepDetect在其他贡献者的帮助下由Jolibrain设计，实施和支持。