chainer

收录理由

如果你想知道深度学习框架内部究竟如何运作，而不是仅仅调用现成接口，Chainer 很值得研究。它采用 define-by-run 设计，计算图随着代码执行逐步构建，这让调试、编写自定义层以及尝试非常规网络结构都更加直观，相比静态图框架少了很多抽象隔阂。该项目在 2019 年进入维护阶段，目前只处理缺陷修复，但代码库依然是理解自动微分、通过 CuPy 支持 CUDA 以及多 GPU 训练的清晰范本。对于想深入钻研反向传播实现的科研人员，或是不得不继续维护老式 Chainer 模型的团队，这份代码能提供实实在在的参考价值。不过，如果是今天启动的新项目，就不建议再选它作为基础了。