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. C#.NET Winform承载WCF RESTful API (App.config 方式)

    1.新建一个名为"WindowsForms承载WCF"的WINFORM程序. 2.在解决方案里添加一个"WCF 服务库"的项目,名为"WcfYeah& ...

  2. python-API开发zk客户端

    前面于超老师讲完了,zk运维的基本命令行玩法,更多的还是开发需要通过代码和zk结合处理. 大多数场景是java后端去操作. 这里我们以运维更友好的python来学习. 1.kazoo模块 zookee ...

  3. 为什么boolean 类型的字段不建议使用is开头?

    对于非boolean类型的参数,getter和setter方法命名的规范是以get和set开头 对于boolean类型的参数,setter方法是以set开头,但是getter方法命名的规范是以is开头 ...

  4. Mysql慢sql优化

    Mysql慢sql优化 index1.MySQL的执行过程2.索引的定义3.MySQL执行计划explain or desc4.索引使用/创建规则5.弊端6.设计规范7.SQL建议 1. MySQL ...

  5. ELKF(elasticsearch、logstash、kibana、filebeat)搭建及收集nginx日志

    1.elasticsearch 1.1.根目录下新建data文件夹 1.2.修改elasticsearch.yml文件,添加以下内容 path.data: /home/wwq/elk/elastics ...

  6. 微信小程序自动化_从环境搭建到自动化代码实现过程

    前期准备 微信小程序作为现在流行的一种应用载体,很多小伙伴都有对其做自动化测试的需求,由于腾讯系 QQ.微信等是基于腾讯自研 X5 内核,不是谷歌原生 webview,所以调试会有些许差异(现在很多 ...

  7. C++获取商店应用(msix应用)桌面快捷方式的安装目录

    传统应用的快捷方式目标指向可执行文件的路径,但是对于商店应用(也叫msix打包应用),则指向一个奇怪的字符串,使用IShellLink::GetPath获取路径时,则得到的是空字符串,而我们的最终目的 ...

  8. 基恩士PLC数据 转 Modbus RTU TCP项目案例

    1         案例说明 1.   设置网关采集基恩士PLC数据 2.   把采集的数据转成Modbus协议转发给其他系统. var code = "244226f8-1eed-48e4 ...

  9. 【资料分享】Xilinx Zynq-7010/7020工业评估板规格书(双核ARM Cortex-A9 + FPGA,主频766MHz)

    1 评估板简介 创龙科技TLZ7x-EasyEVM是一款基于Xilinx Zynq-7000系列XC7Z010/XC7Z020高性能低功耗处理器设计的异构多核SoC评估板,处理器集成PS端双核ARM ...

  10. 韦东山freeRTOS系列教程之【第八章】事件组(event group)

    目录 系列教程总目录 概述 8.1 事件组概念与操作 8.1.1 事件组的概念 8.1.2 事件组的操作 8.2 事件组函数 8.2.1 创建 8.2.2 删除 8.2.3 设置事件 8.2.4 等待 ...