一个高度可配置的三维/二维cnn和通用神经网络训练工具
elektronn的Python项目详细描述
elektronn是一个高度可配置的工具,用于训练3d/2d cnn和通用神经网络。
它是用Python2编写的,基于Theano,它允许启用CUDA的GPU显著加速管道。
该软件包包括一个复杂的训练管道,专门为3d/2d图像的分类/定位任务而设计。此外,工具包还提供了非图像数据任务的训练例程。
elektronn是由marius killinger和gregor urban在max-planck医学研究所为解决连接组学任务而创建的。
膜和线粒体概率图。用cnn递归训练预测。资料图:Jórgen Kornfeld的斑马雀X区数据集J0126。
玩具示例
$ elektronn-train MNIST_CNN_warp_config.py
这将下载mnist数据集并运行示例配置文件中定义的培训。绘图保存到~/CNN_Training/2D/MNIST_example_warp。
文件结构
ELEKTRONN ├── doc # Documentation source files ├── elektronn │ ├── examples # Example scripts and config files │ ├── net # Neural network library code │ ├── scripts # Training script and profiling script │ ├── training # Training library code │ └── ... ├── LICENSE.rst ├── README.rst └── ...