概述

作为开源人工智能领域交叉合作的一个例子，DeepDetect 已经被空客和微软等组织所使用。DeepDetect 是基于 Caffe、TensorFlow 和 XGBoost 的开源深度学习服务器。它为图像分类、对象检测以及文本和数字数据分析提供了一个易于使用的应用编程接口。    

DeepDetect是一个用 C++11 编写的机器学习 API 和服务器。它使最先进的机器学习易于使用并集成到现有应用程序中。它支持训练和推理，自动转换为带有 TensorRT（NVidia GPU）和 NCNN（ARM CPU）的嵌入式平台。

它实现了对图像、文本、时间序列和其他数据的监督和非监督深度学习的支持，重点是简单易用、测试和连接到现有应用程序。它支持分类、对象检测、分割、回归、自动编码器……

它通过非常通用和灵活的 API 依赖于外部机器学习库。目前它支持：

• 深度学习库Caffe、Tensorflow、Caffe2、Torch、NCNN Tensorrt和Dlib
• 分布式梯度提升库XGBoost
• 使用T-SNE聚类
• 使用Annoy和FAISS进行相似性搜索

主要特点

• [hidecontent type="logged" desc="隐藏内容：登录后可查看"]

  • 用于机器学习和深度学习的高级 API
  • 支持 Caffe、Tensorflow、XGBoost、T-SNE、Caffe2、NCNN、TensorRT、Pytorch
  • 分类、回归、自动编码器、对象检测、分割、时间序列
  • JSON通讯格式
  • 远程 Python 和 Javacript 客户端
  • 支持异步训练调用的专用服务器
  • 高性能，受益于多核 CPU 和 GPU
  • 通过神经嵌入的内置相似性搜索
  • 连接器通过即时数据增强处理大量图像（例如旋转、镜像）
  • 用于处理具有预处理功能的 CSV 文件的连接器
  • 处理文本文件、句子和基于字符的模型的连接器
  • 用于处理稀疏数据的 SVM 文件格式的连接器
  • 内置模型评估措施的范围（例如 F1、多类对数损失...）
  • 特殊损失的范围（例如骰子，等高线，...）
  • 没有数据库依赖和同步，所有信息和模型参数都有组织并可从文件系统获得
  • 灵活的模板输出格式以简化与外部应用程序的连接
  • 最有用的神经架构模板（例如 Googlenet、Alexnet、ResNet、convnet、基于字符的 convnet、mlp、逻辑回归、SSD、DeepLab、PSPNet、U-Net、CRNN、ShuffleNet、SqueezeNet、MobileNet、RefineDet、VOVNet、. ..)
  • 支持 GPU 和 CPU 上的稀疏特征和计算
  • 内置相似性索引和预测特征、图像、对象和概率分布的搜索

  工具和客户端

  • Python 客户端：
    • REST 客户端：https ://github.com/jolibrain/deepdetect/tree/master/clients/python
    • 'a la scikit' 绑定：https ://github.com/ArdalanM/pyDD
  • Javacript 客户端：https ://github.com/jolibrain/deepdetect-js
  • Java 客户端：https ://github.com/kfadhel/deepdetect-api-java
  • 早期的 C# 客户端：#98
  • 通过 Tensorboard 记录 DeepDetect 训练指标：https ://github.com/jolibrain/dd_board

  参考

  • DeepDetect  ( https://www.deepdetect.com/ )
  • Caffe  ( https://github.com/jolibrain/caffe )
  • XGBoost ( https://github.com/dmlc/xgboost )
  • T-SNE ( https://github.com/DmitryUlyanov/Multicore-TSNE )

  [/hidecontent]