kur

收录理由

Kur 走了一条与多数深度学习工具不同的路：你只需在 YAML 文件里描述模型结构，不必编写训练代码，剩下的交给工具完成。这种声明式设计让团队能快速搭建原型，省去先掌握某个框架 Python API 的功夫，同时通过可扩展接口保留自定义架构的空间。项目自带手写识别和语音转文字的完整示例，可以跟着跑通从训练到评估的整个流程。它支持 Theano、TensorFlow 或 PyTorch 作为后端，也支持多 GPU 训练，意味着你定义一次模型，就能在已有的任意后端上运行。对于正在权衡配置驱动训练方式的团队来说，这是一个紧凑且易读的参考实现。