深度学习 产品

Mark I 感知机是感知机算法的第一台硬件实现：康奈尔航空实验室为图像识别建造的定制模拟计算机，以 20×20 光电池作输入，用电位器存可调权重。

《并行分布式处理》是 Rumelhart、McClelland 与 PDP 研究组由 MIT Press 出版的两卷本著作，主张以大量简单单元的并行互联描述心智，是联结主义第二次浪潮的代表文献。

ALVINN 是 1988 年卡内基梅隆大学开发的神经网络自动驾驶系统，通过观察人类驾驶员学会操控 Navlab 厢式车，是端到端学习驾驶的早期示范。

CIFAR-10 是一个用于图像分类研究的小图数据集：6 万张 32×32 彩色图像分属 10 个互斥类别，5 万张训练、1 万张测试，由 Krizhevsky、Nair 和 Hinton 整理。

Google 的第二代机器学习系统，2015 年 11 月 9 日以 Apache 2.0 许可开源，接替前代系统 DistBelief。

PyTorch 是 Meta 于 2017 年发布的开源深度学习框架，现由 Linux 基金会旗下的 PyTorch 基金会治理。它既用于研究，也用于训练和运行生产环境中的大模型。

JAX 是一个面向加速器的 Python 数组计算与程序变换库，用于高性能数值计算和大规模机器学习。它提供 NumPy 风格的接口，并把编译、批处理、自动微分和并行化做成可组合的变换。

NETtalk 是 Terrence Sejnowski 与 Charles Rosenberg 构建的人工神经网络，学会把英文文本转换成音素并合成可听的语音，说明只靠样例训练的网络也能泛化到没见过的单词。

Torch 是一个面向机器学习的科学计算框架，以 LuaJIT 作为脚本层、C/CUDA 作为底层实现，把 GPU 放在首位，并拥有庞大的社区扩展包生态。

Theano 是蒙特利尔学习算法研究所开发的 Python 库与优化编译器，用于高效处理多维数组表达式，自 2007 年起结合符号求导、GPU 运行与 C 代码生成，支撑大规模科学计算与教学。

Caffe 是以 BSD 许可证发布的 C++ 深度学习库，带 Python 和 MATLAB 绑定，用于训练和部署卷积神经网络，由 Yangqing Jia 等人在 2014 年的论文中提出。

Keras 是用 Python 编写的深度学习 API，可运行在 JAX、TensorFlow 或 PyTorch 之上，让同一份模型代码在多个框架间迁移。

飞桨（PaddlePaddle）是百度开源的深度学习框架，2016 年 9 月对外开放，前身是 2013 年起在百度内部研发的 Paddle 平台，发布时被称为国内首个开源深度学习平台。

ONNX 是一种开放的机器学习模型表示格式，2017 年 9 月由微软和 Facebook 公布，让开发者能把模型在不同框架之间搬移，而不必每次在互不兼容的格式之间做转换。

深脉分数（DVFFR）是一套用深度学习分析冠状动脉 CT 血管造影、计算血流储备的软件，用来判断狭窄是否会引起心肌缺血，已在中国、欧盟和美国取得医疗器械批准。

Triton 是 OpenAI 开源的、语法接近 Python 的 GPU 编程语言与编译器。没有 CUDA 经验的研究者也能用它写出高效的 GPU 内核，性能多数情况下接近专家手写的水平。

MLX 是苹果机器学习研究团队 2023 年 12 月开源的机器学习框架，主要面向 Apple silicon。它仿照 NumPy 提供 Python 接口，并针对统一内存架构设计，让 CPU 与 GPU 共用同一份数据。

Transformers是Hugging Face的开源Python库，通过统一的接口提供预训练的Transformer模型。其论文于2019年10月9日发布在arXiv上。

Apache MXNet 是开源深度学习库，同时提供符号式与命令式写法，可运行在手机到 GPU 集群上，并有 8 种语言接口。论文由陈天奇、李沐等人在 2015 年 12 月发布。

昇思（MindSpore）是华为开源的 AI 计算框架，于 2020 年 3 月宣布开源，原生适配端、边、云全场景，与昇腾处理器协同优化，并配有训练可视化与模型安全工具。