Theano停止开发的声明地址:

https://groups.google.com/g/theano-users/c/7Poq8BZutbY/m/rNCIfvAEAwAJ

原文内容:

Dear users and developers,

After almost ten years of development, we have the regret to announce

that we will put an end to our Theano development after the 1.0 release,

which is due in the next few weeks. We will continue minimal maintenance

to keep it working for one year, but we will stop actively implementing

new features. Theano will continue to be available afterwards, as per

our engagement towards open source software, but MILA does not commit to

spend time on maintenance or support after that time frame.

The software ecosystem supporting deep learning research has been

evolving quickly, and has now reached a healthy state: open-source

software is the norm; a variety of frameworks are available, satisfying

needs spanning from exploring novel ideas to deploying them into

production; and strong industrial players are backing different software

stacks in a stimulating competition.

We are proud that most of the innovations Theano introduced across the

years have now been adopted and perfected by other frameworks. Being

able to express models as mathematical expressions, rewriting

computation graphs for better performance and memory usage, transparent

execution on GPU, higher-order automatic differentiation, for instance,

have all become mainstream ideas.

In that context, we came to the conclusion that supporting Theano is no

longer the best way we can enable the emergence and application of novel

research ideas. Even with the increasing support of external

contributions from industry and academia, maintaining an older code base

and keeping up with competitors has come in the way of innovation.

MILA is still committed to supporting researchers and enabling the

implementation and exploration of innovative (and sometimes wild)

research ideas, and we will keep working towards this goal through other

means, and making significant open source contributions to other projects.

Thanks to all of you who for helping develop Theano, and making it

better by contributing bug reports, profiles, use cases, documentation,

and support.

-- Yoshua Bengio,

Head of MILA


ChatGPT3.5翻译

亲爱的用户和开发者,

经过近十年的发展,我们很遗憾地宣布,在接下来的几周内发布1.0版本后,我们将结束对Theano的开发。我们将继续进行最低限度的维护,以确保其能够正常工作一年,但我们将停止积极实施新功能。Theano将继续可用,遵循我们对开源软件的承诺,但MILA不承诺在此时间段之后花费时间进行维护或支持。

支持深度学习研究的软件生态系统发展迅速,现在已经达到了健康状态:开源软件已成为常态;提供了各种框架,满足了从探索新颖想法到将其部署到生产中的需求;并且强大的工业参与者支持着不同的软件堆栈,形成了激烈的竞争。

我们自豪地宣布,Theano多年来引入的大部分创新现在已被其他框架采纳并完善。例如,能够将模型表达为数学表达式、重写计算图以获得更好的性能和内存使用、在GPU上透明地执行、高阶自动微分等,这些都已成为主流观念。

在这种情况下,我们得出结论:支持Theano不再是我们促进新型研究思想出现和应用的最佳方式。即使在工业界和学术界的外部贡献日益增多的情况下,维护旧代码库并与竞争对手保持一致已经阻碍了创新的发展。

MILA仍致力于支持研究人员,促进创新(有时可能是激进的)研究思想的实施和探索,并将通过其他方式继续努力实现这一目标,并向其他项目做出重大的开源贡献。

感谢所有帮助开发Theano并通过贡献错误报告、档案、用例、文档和支持使其变得更好的人们。

-- Yoshua Bengio,

MILA负责人

深度学习框架Theano停止维护的更多相关文章

  1. 7大python 深度学习框架的描述及优缺点绍

    Theano https://github.com/Theano/Theano 描述: Theano 是一个python库, 允许你定义, 优化并且有效地评估涉及到多维数组的数学表达式. 它与GPUs ...

  2. 深度学习框架比较TensorFlow、Theano、Caffe、SciKit-learn、Keras

    TheanoTheano在深度学习框架中是祖师级的存在.Theano基于Python语言开发的,是一个擅长处理多维数组的库,这一点和numpy很像.当与其他深度学习库结合起来,它十分适合数据探索.它为 ...

  3. 基于Theano的深度学习框架keras及配合SVM训练模型

    https://blog.csdn.net/a819825294/article/details/51334397 1.介绍 Keras是基于Theano的一个深度学习框架,它的设计参考了Torch, ...

  4. 转:【AI每日播报】从TensorFlow到Theano:横向对比七大深度学习框架

    http://geek.csdn.net/news/detail/139235 说到近期的深度学习框架,TensorFlow火的不得了,虽说有专家在朋友圈大声呼吁,不能让TensorFlow形成垄断地 ...

  5. 28款GitHub最流行的开源机器学习项目,推荐GitHub上10 个开源深度学习框架

    20 个顶尖的 Python 机器学习开源项目 机器学习 2015-06-08 22:44:30 发布 您的评价: 0.0 收藏 1收藏 我们在Github上的贡献者和提交者之中检查了用Python语 ...

  6. [深度学习大讲堂]从NNVM看2016年深度学习框架发展趋势

    本文为微信公众号[深度学习大讲堂]特约稿,转载请注明出处 虚拟框架杀入 从发现问题到解决问题 半年前的这时候,暑假,我在SIAT MMLAB实习. 看着同事一会儿跑Torch,一会儿跑MXNet,一会 ...

  7. TensorFlow与主流深度学习框架对比

    引言:AlphaGo在2017年年初化身Master,在弈城和野狐等平台上横扫中日韩围棋高手,取得60连胜,未尝败绩.AlphaGo背后神秘的推动力就是TensorFlow--Google于2015年 ...

  8. ArXiv最受欢迎开源深度学习框架榜单:TensorFlow第一,PyTorch第四

    [导读]Kears作者François Chollet刚刚在Twitter贴出最近三个月在arXiv提到的深度学习框架,TensorFlow不出意外排名第一,Keras排名第二.随后是Caffe.Py ...

  9. Reading | 《TensorFlow:实战Google深度学习框架》

    目录 三.TensorFlow入门 1. TensorFlow计算模型--计算图 I. 计算图的概念 II. 计算图的使用 2.TensorFlow数据类型--张量 I. 张量的概念 II. 张量的使 ...

  10. tensorflow(深度学习框架)详细讲解及实战

    还未完全写完,本人会一直持续更新!~ 各大深度学习框架总结和比较 各个开源框架在GitHub上的数据统计,如下表: 主流深度学习框架在各个维度的评分,如下表: Caffe可能是第一个主流的工业级深度学 ...

随机推荐

  1. SpringBoot系列(六)如何使用 MockMvc 或者 RestTemplate 发请求进行单元测试

    本文主要功能: 对最简单的/hello接口,如何编写单元测试用例. 1.首先,要引入以下依赖 <dependency> <groupId>org.springframework ...

  2. http请求方式-HttpClient 微信退款的接口,需要证书请求 https请求

    http请求方式-HttpClient import com.alibaba.fastjson.JSON; import com.alibaba.fastjson.JSONObject; import ...

  3. SQLBI_精通DAX课程笔记_01_DAX介绍

    一:函数式语言 DAX是一个函数式语言,应用于Analysis Services , PowerPivot , 和Power Bi . 二:共同与不同 2.1  共同点 DAX与PowerPivot  ...

  4. FreeRtos学习总结

    背景 最近项目需要,花了几天时间学习了FreeRTOS,因为之前有操作系统和底层的基础,所以上手非常快. 正文 基础篇 学习方法:建议先阅读本人整理的文章:再结合FreeRTOS文档官方的全英文档&l ...

  5. rsync 的使用

    背景 原文地址:Rsync参数说明及使用文档(给我自己看的) 一.前言 最近发现rsync挺好用的--不过参数有点多,所以这儿写一篇给自己以后要用的时候做个参考. 二.参数说明 这儿全是我翻资料连蒙带 ...

  6. FFmpeg开发笔记(三十四)Linux环境给FFmpeg集成libsrt和librist

    ​<FFmpeg开发实战:从零基础到短视频上线>一书的"10.2  FFmpeg推流和拉流"提到直播行业存在RTSP和RTMP两种常见的流媒体协议.除此以外,还有比较两 ...

  7. uniapp+thinkphp5实现微信登录

    前言 之前做了微信登录,所以总结一下微信授权登录并获取用户信息这个功能的开发流程. 配置 1.首先得在微信公众平台申请一下微信小程序账号并获取到小程序的AppID和AppSecret https:// ...

  8. OpenCV程序练习(一):图像基本操作

    展示一张图片 代码 import cv2 img=cv2.imread("demoimg.png") #读取图像 cv2.imshow("demoName",i ...

  9. CF1864F 题解

    写了一小时结果被卡常了(笑. 考虑新加入一个数什么时候会产生贡献,或者什么时候不会产生贡献. 发现当一个数的位置与他前一次出现时的位置所构成的区间内假若有一个比它小的数那么就不得不对这个数新进行一次操 ...

  10. 探究kubernetes 探针参数periodSeconds和timeoutSeconds

    探究kubernetes 探针参数 periodSeconds和timeoutSeconds 问题起源 kubernetes probes的配置中有两个容易混淆的参数,periodSeconds和ti ...