C++ Academy
16K subscribers
590 photos
125 videos
1 file
555 links
По всем вопросам- @haarrp

@itchannels_telegram - 🔥 best it channels

РКН: clck.ru/3FmxJF
Download Telegram
🧠 Обзор библиотек глубокого обучения на C++: Apache.SINGA, tiny-dnn и OpenNN.

💻 Apache.SINGA привлекает своей поддержкой распределенной обработки и GPU, что делает ее подходящей для работы с большими моделями. Библиотека tiny-dnn идеально подходит для быстрого старта без необходимости компиляции, но увеличивает время компиляции проекта. OpenNN выделяется простотой установки и высокой производительностью, хотя работает только на CPU и требует данных в double precision, что может снижать производительность.

Все три библиотеки предоставляют основные инструменты для создания и обучения нейросетей, включая поддержку различных типов сетей и оптимизаторов.

Однако, каждая из них имеет свои особенности в плане установки, конфигурации и использования, которые могут повлиять на выбор разработчика.

#machinelearning #deeplearning #c #neuralnetworks

📎Полный обзор
📎 Apache

@cpluspluc
🦎Armadillo - библиотека ML на С++

Armadillo — это библиотека линейной алгебры на C++, разработанная НИЦТА и независимыми участниками, применяемая для научных вычислений в машинном обучении и других областях, таких как биоинформатика и компьютерное зрение. Библиотека оптимизирует вычисления благодаря многопоточности OpenMP и предоставляет интерфейс, похожий на MATLAB. Подходит для быстрой реализации научных исследований в продуктивные среды.

#machinelearning #DataScience #python #AI #DeepLearning #cplusplus #mlalgorithms #DataVisualization #jobs

📎 Описание либы

@cpluspluc
👩‍💻 🖥 CUDA Programming Course – High-Performance Computing with GPUs

Свежий Бесплатный курс от freeCodeCamp по программированию CUDA.

Этот 12 -ти часовой бесплатный курс научит вас программировать с помощью Nvidia CUDA и использовать графические процессоры для высокопроизводительных вычислений и Deep learning.

Содержание:
🔜 (0:00:00) Вступление
🔜 (0:16:52) Глава 1 (Экосистема глубокого обучения)
🔜 (0:37:43) Глава 2 (Настройка CUDA)
🔜 (0:47:03) Глава 3 (Обзор C/C++)
🔜(1:35:47) Глава 4 (Введение в графические процессоры)
🔜 (1:51:40) Глава 5 (Написание ваших первых ядер)
🔜 (3:55:26) Глава 6 (CUDA API)
🔜 (5:35:22) Глава 7 (Быстрое умножение матриц)
🔜 (8:22:36) Глава 8 (Triton)
🔜 (9:04:43) Глава 9 (Расширения PyTorch)
🔜 (9:18:10) Глава 10 (Многослойный персептрон MNIST)
🔜 (11:41:13) Глава 11 (Что изучать дальше?)
🔜 (11:54:38) Заключение

Video:
https://www.youtube.com/watch?v=86FAWCzIe_4
Code:
https://github.com/Infatoshi/cuda-course
Github
https://github.com/Infatoshi/mnist-cuda

#cuda #deeplearning #cpp #c #bigdata #courses #бесплатныйкурс


@cpluspluc
Please open Telegram to view this post
VIEW IN TELEGRAM