tencent / deepx_core

deepx_core是一个专注于张量计算/深度学习的基础库

deepx_core

deepx_core是一个专注于张量计算/深度学习的基础库.

基于deepx_core, 可以开发出数值计算/数值优化/凸优化/机器学习/深度学习/强化学习/图神经网络/无监督学习等应用.

编译

deepx_core需要一个支持C++11的编译器.

make -j8

单元测试

make -j8 test

安装

make -j8 install PREFIX=/where/you/want/to/install

文档

编译优化

hdfs

特征

样本格式

张量

计算图引擎

• 样本解析器

• 计算图

• 算子使用手册

• 算子开发

• 优化器

例子

张量计算

排序模型

deepx_core's Issues

Will support AutoGrad ？

clone 项目报错 :(

Error downloading object: doc/pic/graph_arch.png (1491500): Smudge error: Error downloading doc/pic/graph_arch.png (1491500962c42d9ce9d5a8b4c61256a577d414dbb796108f64d29b534a0ffc2c): batch response: This repository is over its data quota. Account responsible for LFS bandwidth should purchase more data packs to restore access.

doc下面所有的图片都挂掉了

doc下面所有的图片都挂掉了，很多用于示意的框架图不可看

头文件

请问下怎么没有头文件啊

小而美之外，设计上有哪些考虑？

编译运行的demo并大概浏览了代码，确实是小而美，很不错！ 也想请教下亚霏大神在设计deepx_core的一些考虑点

优点
1.小而美，针对推搜广大规模稀疏场景而设计，离散特征、ps、线上server都有解决方案
2.依赖少，编译部署简单，除了libhdfs.so外，一键编译和运行，demo可以很快跑起来
3.基于静态图，可以自定义网络，相比abcus通用性更好
4.代码简洁，没有明显冗余设计

疑问：
1.序列化和反序列化需要自定义代码，是否会考虑用pb
2.目前不支持GPU，未来是否考虑支持
3.计算方面没有采用矩阵库如eigen，性能是否有影响
4.op略复杂（代码量较大），是否有更好的抽象