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. LeetCode 673. Number of Longest Increasing Subsequence 最长递增子序列的个数 (C++/Java)

    题目: Given an unsorted array of integers, find the number of longest increasing subsequence. Example ...

  2. The solution of CF380C

    problem 希望这篇题解不要明年才审完. 标签:线段树 记录 \(Lsum_p\) 为这个区间有多少个 ( 不能匹配,\(Rsum_p\) 为这个区间有多少个 ) 不能匹配. 对于叶子结点如果是 ...

  3. xtrabackup备份工具

    为什么要学这个工具 背景 一个合格的运维工程师或者dba工程师,如果有从事数据库方面的话,首先需要做的就是备份,如果没有备份,出现问题的话,你的业务就会出问题,你的工作甚至会... 所以备份是重要的, ...

  4. css 让页面变灰色

    html { -webkit-filter: grayscale(1); }-webkit-filter(滤镜)有十种效果,分别是:     // grayscale 灰度     // sepia ...

  5. 实验五:FTP远程密码pojie(有敏感词)

    [实验目的] 了解远程FTP密码pojie原理,了解如何有效防范类似攻击的方法和措施,掌握pojieftp帐号口令pojie技术的基本原理.常用方法及相关工具. [知识点] FTP口令pojie [实 ...

  6. 聊一聊 Monitor.Wait 和 Pluse 的底层玩法

    一:背景 1. 讲故事 在dump分析的过程中经常会看到很多线程卡在Monitor.Wait方法上,曾经也有不少人问我为什么用 !syncblk 看不到 Monitor.Wait 上的锁信息,刚好昨天 ...

  7. spring与设计模式之三代理模式

    部分内容引用: https://blog.csdn.net/shulianghan/article/details/119798155 一.定义 1.1定义 对于现实生活中的代理,大家非常好理解.我们 ...

  8. java并发和排序的简单例子(Runnable+TreeSet)

    很多时候并发需要考虑线程安全,但也有很多时候和线程安全毛关系都没有,因为并发最大的作用是并行,线程安全仅仅是并发的一个子话题. 例如常常会用于并发运算,并发i/o. 下文是一个练习笔记. 运行环境:w ...

  9. golang如何使用指针灵活操作内存?unsafe包原理解析

    Hi 你好,我是k哥.一个大厂工作6年,还在继续搬砖的后端程序员. 我们都知道,C/C++提供了强大的万能指针void*,任何类型的指针都可以和万能指针相互转换.并且指针还可以进行加减等算数操作.那么 ...

  10. 用Tensorboard在VScode Remote ssh中显示图像

    可以用Tensorboard在vscode的ssh连接中显示plot出的图像. 具体方法如下: from torch.utils.tensorboard import SummaryWriter wr ...