借助英特尔® 优化 Chainer* 管理深度学习网络

Chainer 是基于 Python 的深度学习框架，旨在提高灵活性和直观性。它可根据 define-by-run 方法（亦称动态计算图）提供自动差异化 API，并提供面向对象的高级别 API，以构建和训练神经网络。它支持各种网络架构，包括前馈网络、卷积网络、循环网络和递归网络。它还支持 per-batch 架构。正演计算可包含 Python 的所有控制流声明，完全具备反向传播能力。它可使代码更加直观，并易于调试。英特尔® 优化 Chainer* 目前集成了最新版面向深度神经网络的英特尔® 数学核心函数库 （英特尔® MKL-DNN） 2017，专门面向高级矢量扩展指令集 AVX-2 和 AVX-512 指令优化，英特尔® 至强® 处理器和英特尔® 至强融核™ 处理器等支持这些指令集。

我们建议使用这些分发版 Linux。

• Ubuntu 14.04/16.04 LTS 64 位
• CentOS 7 64 位

可使用以下 Python 版本：

• 2.7.5+、3.5.2+ 和 3.6.0+

上述建议使用的环境经过测试。我们无法保证英特尔® 优化 Chainer* 适用于其他环境，包括 Windows 和 macOS，即使英特尔® 优化 Chainer* 运行看似正确。

如果使用的是旧版设置工具，我们建议在安装英特尔® 优化 Chainer* 之前进行升级：

$ pip install -U setuptools

安装英特尔® 优化 Chainer* 时需要使用以下软件包。

• NumPy 1.9, 1.10, 1.11, 1.12, 1.13
• Six 1.9+
• Swig 3.0.9+

映像数据集支持

• pillow 2.3+

HDF5 序列化支持

• h5py 2.5+

测试实用程序

• pytest 3.2.5+

英特尔® MKL-DNN

• 大家无需手动安装英特尔® MKL-DNN，安装英特尔® 优化 Chainer* 时，系统将自动下载和构建英特尔® MKL-DNN，因此也需要使用 boost、glog 和 gflags。

大家可以使用 setup.py 通过 tarball 安装英特尔® 优化 Chainer*：

$ python setup.py install

使用 pip 卸载 Chainer：

$ pip uninstall chainer

我们分别根据 python2 和 python3 提供面向 Ubuntu 和 Centos 的 Docker 映像和 Dockerfile。详情请见如何构建和运行英特尔® 优化 Chainer* Docker 映像。

使用 mnist 数据集训练测试：

$ cd examples/mnist
$ python train_mnist.py -g -1

使用 cifar 数据集训练测试：

• 运行 CIFAR-100 数据集：

$ cd examples/cifar
$ python train_cifar.py –g -1 --dataset='cifar100'

• 运行 CIFAR-10 数据集：

$ cd examples/cifar
$ python train_cifar.py –g -1 --dataset='cifar10'

单节点性能测试配置请查看https://github.com/intel/chainer/wiki/Intel-Chainer-Single-Node-Performance-Test-Configurations

MIT 许可证（参考许可证文件）。

Tokui, S., Oono, K., Hido, S. and Clayton, J., Chainer: a Next-Generation Open Source Framework for Deep Learning, Proceedings of Workshop on Machine Learning Systems(LearningSys) in The Twenty-ninth Annual Conference on Neural Information Processing Systems (NIPS), (2015) URL, BibTex

• 英特尔® 优化 Chainer* github
• 版本说明