资源 | 神经网络框架Chainer发布2.0正式版：CuPy独立

正文

请到「今天看啥」查看全文

Chainer 项目链接：https://github.com/chainer

大多数现有的深度学习框架都是基于「定义-运行（Define-and-Run）」方式的，即先定义一个网络，然后用户对其输入批量梯度下降。由于网络在前向/反向计算之前已经固定，所有逻辑必须作为数据嵌入到网络架构中。所以，这样的系统（例如 Caffe）中定义的网络架构遵循声明性方法；同时，我们也可以使用命令式语言（例如，Torch、基于 Theano 的框架和 TensorFlow）来产生这样的静态网络定义。

与以上方法相反，Chainer 使用「通过运行定义（Define-by-Run）」的方式，即通过即时正向运算定义网络。更准确地说，Chainer 存储计算历史，而不是编程逻辑。这一方式可以帮助我们充分发挥 Python 中编程逻辑的力量。例如，Chainer 不需要任何技巧就可以将条件和循环加入网络定义中。通过运行定义的方式就是 Chainer 的核心理念。由于逻辑更接近于网络处理过程，这种方式让编写多 GPU 并行运算的优化方法变得简单。

在 Chainer 2.0.0 测试版推出近三个月之后，该框架刚刚推出了 2.0.0 正式版，以下是我们对新版本主要更新内容的整理。

重要更新说明

• CuPy 已从 Chainer 中分离，现在是一个单独的包：https://github.com/cupy/cupy

• 这意味着如果你想让 Chainer 使用 GPU 的话，你需要安装 CuPy。

• 请在使用 GPU 前遵循安装指南：http://docs.chainer.org/en/stable/install.html

• 与 CuPy 分离相关，我们删除了部分旧版本的 CUDA 和 cuDNN 支持。在 Chainer v2.0.0 和 CuPy 1.0.0 中支持的版本为：

• CUDA 7.0 或更高

• cuDNN 4.0 或更高

• Chainer 的 repository 已从 pfnet/chainer 移动到了 chainer/chainer。旧的 URL 仍然可以通过 git 使用，但任何操作都会重新定向到新的。

• 对 Chainer v1.x 用户：

• 有一个升级指南介绍了与 v1 的变化之处：http://docs.chainer.org/en/stable/upgrade.html

• 对贡献者：

• 请再次阅读贡献者指南，其中有多处更新：http://docs.chainer.org/en/stable/contribution.html

• 如贡献者指南所述，我们改变了开发和发布周期。主要开发将在主分支上继续进行，这将应用于 v3（包括 alpha、beta 和正式）版本，v2 的维护将在 v2 分支完成。

请到「今天看啥」查看全文