2017年2月3日金曜日
量子コンピューター実現へ初の青写真 モジュール接続に新手法
大型の量子コンピューターは実証試験が行われていないばかりか、実現のめどすら立っていない。論文はこうした量子コンピューターの製造に向けた一歩となった。
論文を共同執筆した英サセックス(Sussex)大学のウィンフリート・ヘンジンガー(Winfried Hensinger)教授は、「これまで長年、絶対に不可能だと言われてきた」量子コンピューターの実用化について、「実現可能だと示すだけでなく、大規模なマシンを実際に構築する基本的な施工計画まで提示できた」と説明している。
論文によると、研究チームは「量子コンピューターの個々のモジュール間の接続スピードを、最先端のファイバーリンク技術より10万倍速くする新たな方法」を考案し、幾つかの大きな障害を乗り越えたという。
新手法では個々のモジュールを接続するのに、これまで提案されてきた光ファイバーではなく、電界を活用する。電荷を帯びた原子(イオン)があるモジュールから別のモジュールへ移動することを利用して接続を行う仕組みで、これによりモジュール間を実際の量子ビットが移動できるという。
チームは、強力な傾斜磁場をつくり出すことや電圧の調整といった新たな課題も浮上していると認めつつ、次のステップとして試作機を開発し、青写真で示した原理の証明をしたいとしている。
2017年2月1日水曜日
TopDeepLearning
Top Deep Learning Projects
A list of popular github projects related to deep learning (ranked by stars).
Last Update: 2016.08.09
Project Name | Stars | Description |
29622 | Computation using data flow graphs for scalable machine learning. | |
11799 | Caffe: a fast open framework for deep learning. | |
10148 | Torch implementation of neural style algorithm. | |
9042 | Deep Dream. | |
7502 | Deep Learning library for Python. Convnets, recurrent neural networks, and more. Runs on Theano and TensorFlow. | |
7170 | An independent, student-led replication of DeepMind's 2016 Nature publication, "Mastering the game of Go with deep neural networks and tree search" (Nature 529, 484-489, 28 Jan 2016). | |
6671 | Models built with TensorFlow | |
6275 | Turn your two-bit doodles into fine artworks with deep neural networks, generate seamless textures from photos, transfer style from one image to another, perform example-based upscaling, but wait... there's more! (An implementation of Semantic Style Transfer.) | |
5957 | Computational Network Toolkit (CNTK). | |
5872 | TensorFlow tutorials and code examples for beginners. | |
5231 | Deep Learning in Javascript. Train Convolutional Neural Networks (or ordinary ones) in your browser. | |
5133 | Torch7, Deep Learning Library. | |
4855 | Face recognition with deep neural networks. | |
4685 | Lightweight, Portable, Flexible Distributed/Mobile Deep Learning with Dynamic, Mutation-aware Dataflow Dep Scheduler; for Python, R, Julia, Scala, Go, Javascript and more. | |
4286 | Theano is a Python library that allows you to define, optimize, and evaluate mathematical expressions involving multi-dimensional arrays efficiently. It can use GPUs and perform efficient symbolic differentiation. | |
4281 | Open Machine Intelligence Framework for Hackers. | |
3820 | Multi-layer Recurrent Neural Networks (LSTM, GRU, RNN) for character-level language models in Torch. | |
3694 | NeuralTalk is a Python+numpy project for learning Multimodal Recurrent Neural Networks that describe images with sentences. | |
3673 | Deep Learning for Java, Scala & Clojure on Hadoop, Spark. | |
3368 | Deep learning library featuring a higher-level API for TensorFlow. | |
3352 | Play with neural networks! | |
3020 | A toolkit for developing and comparing reinforcement learning algorithms. | |
2914 | Magenta: Music and Art Generation with Machine Intelligence | |
2798 | Neural Network to colorize grayscale images. | |
2666 | architecture-free neural network library for node.js and the browser | |
2550 | Efficient Image Captioning code in Torch, runs on GPU. | |
2540 | Generate image analogies using neural matching and blending. | |
2413 | From the basics to slightly more interesting applications of Tensorflow. | |
2355 | Lightweight library to build and train neural networks in Theano. | |
2153 | A Machine Learning library based on Theano. | |
2134 | Deep Learning Tutorial notes and code. See the wiki for more info. | |
2121 | Fast, scalable, easy-to-use Python based Deep Learning Framework by Nervana™. | |
2032 | Matlab/Octave toolbox for deep learning. Includes Deep Belief Nets, Stacked Autoencoders, Convolutional Neural Nets, Convolutional Autoencoders and vanilla Neural Nets. Each method has examples to get you started. | |
1721 | Flappy Bird hack using Deep Reinforcement Learning (Deep Q-learning). | |
1607 | Instructions for setting up the software on your deep learning machine. | |
1573 | A flexible framework of neural networks for deep learning. | |
1514 | A recurrent neural network for generating little stories about images. | |
1353 | Deep Learning GPU Training System. | |
1229 | Deep learning driven jazz generation using Keras & Theano! | |
1183 | header only, dependency-free deep learning framework in C++11 | |
1143 | Fast, flexible and fun neural networks. | |
1044 | An all-in-one Docker image for deep learning. Contains all the popular DL frameworks (TensorFlow, Theano, Torch, Caffe, etc.). | |
937 | Open Source Neural Networks in C | |
904 | Bare bones introduction to machine learning from linear regression to convolutional neural networks using Theano. | |
904 | A recurrent neural network designed to generate classical music. | |
866 | A Theano framework for building and training neural networks. | |
860 | Interactive, node-by-node debugging and visualization for TensorFlow. | |
849 | Deep neural networks without the learning cliff! Classifiers and regressors compatible with scikit-learn. | |
760 | Distributed machine learning platform (Python, CUDA, OpenCL) | |
759 | Deep Learning API and Server in C++11 with Python bindings and support for Caffe. | |
759 | A deep Q learning demonstration using Google Tensorflow. | |
724 | Caffe On Spark. | |
702 | Abstractions around neural net libraries, most notably Lasagne. | |
568 | A tensorflow implementation of Deep Convolutional Generative Adversarial Networks | |
479 | MATLAB CNN toolbox for computer vision applications. | |
413 | OpenCL library to train deep convolutional neural networks. | |
304 | Visual Search using Tensorflow inception model & Approximate Nearest Neighbors. |
GitHub 深度学习Top18开源项目
鸡年伊始,万象更新。 随着深度学习的火热,GitHub上涌现了大量的开源项目,除了大家熟知的 TensorFlow 以外,还有哪些项目是最受欢迎的?获得的星星数量多少?这些项目分别有哪些特点?今天介绍GitHub 上的一个开源项目――深度学习热门开源项目列表。一起看看还有哪些你未曾了解到的,但又有着重大影响力的开源项目。
GitHub 上与深度学习相关的项目热度排名(根据获得星星排列):
项目名称 | 星星数 | 描述 | |
1 | tensorflow | 44201 | 用于可扩展机器学习的、使用数据流动图的计算 |
2 | caffe | 15615 | caffe:一个面向深度学习的快速开发框架 |
3 | neural-style | 12496 | 神经风格算法的Torch部署 |
4 | keras | 11632 | 面向Python、Convnets、recurrent neural network 等的深度学习库。在Theano 或者TensorFlow上运行。 |
5 | deepdream | 9764 | |
6 | RocAlphaGo | 7807 | 一个独立的、由学生主导的对DeepMind2016年发表在《Nature》上的论文"Mastering the game of Go with deep neural networks and tree search" 的复现,具体细节可以在官网https://deepmind.com/publications.html查阅。 |
7 | char-rnn | 4793 | Torch中面向字符级别语言模型的多层循环神经网络(LSTM, GRU,RNN) |
8 | gym | 4747 | 一个用于开发和比较增强学习算法的工具包 |
9 | tflearn | 4677 | 一个以高水平的TensorFlow API 为特征的深度学习库 |
10 | playground | 4154 | 玩神经网络 |
11 | neuraltalk | 3977 | NeuralTalk 是一个Python+numpy 项目,用于学习多节点的循环神经网络,用来用句子描述图像 |
12 | Machine-Learning-Tutorials | 3583 | 包含机器学习和深度学习教程、文章和其他资源 |
13 | TopDeepLearning | 3563 | 一个关于深度学习项目受欢迎程度的列表 |
14 | Tensorflow-Tutorials | 3119 | 使用谷歌TensorFlow 框架的简单课程 |
15 | tensorflow_tutorials | 3021 | Tensorflow 中,简单而有趣的应用 |
16 | word-rnn-tensorflow | 284 | 在Python 中使用Tensorflow的多层循环网络(LSTM,RNN)面向词级别的语言模型。 |
17 | tensorflow-aws-ami | 47 | 一个开放、免费、有效的TensorFlow Amazon Web Service (AMI)。能在5分钟内运行TensorFlow。TensorFlow, Keras, OpenAI Gym都可以支持。 |
18 | DeepLearningStar | 26 | 用于观察深度学习项目 |
开源地址:https://github.com/hunkim/DeepLearningStars
从上表可以看出,tensorflow 得到的星星数量达到了44201颗,遥遥领先,其他的深度学习开源项目中,也有许多是基于tensorflow的。比如,一个以高水平的以TensorFlow API 为特征的深度学习库――tflearn,也得到了4677星。
TensorFlow 一年之内得到如此耀眼的成绩,那么置于整个开源大势下,TensorFlow 或者说谷歌又处在什么位置?GitHub 的年度开源报告《Octoverse 观察报告》开源给我们答案。
此前,GitHub 曾于10月31日发布了 2016 年度的《Octoverse 观察报告》,对开源和社区做了统计,得到一些有趣的结果:印象中的"开源大户"谷歌并不是开源项目最多的公司(答案请见内文),但发布不到两年的 TensorFlow 已登上最受欢迎 repos 榜单。AI 巨头中,贡献者最多的项目属于 Facebook,微软紧随其后,但贡献者还是出自微软的人数最多;全球 GitHub 新增用户中,中国表现突出,增长率高达 97%。
TensorFlow 是最受欢迎的开源项目
从让阿波罗 11 号登月的代码到帮助非盈利组织的开源课程,过去一年中,GitHub 上涌现了一大批开源项目。以下是最受欢迎(得到星标最多)的项目:
由上图可见,TensorFlow 是唯一上榜的深度学习库,可见其近 12 个月来的传播程度,也从另一个侧面表明,谷歌的宣传能力或者说号召能力成效显著。当然,深度学习也确实随着开源逐渐流行,谷歌和 TensorFlow 的贡献很多。
最受欢迎的编程语言
GitHub 开源项目一共使用了 316 种不同的编程语言,其中根据过去一年提交的 Pull Request(用于向项目提交补丁,反映项目热度及受欢迎程度)使用最多的前 15 种编程语言如下。
其中,最受欢迎的编程语言是 Java,超出第二名 Java 一倍多。作为深度学习最常用语言的 Python 位居第三。
新智元此前曾经报道过谷歌工程师最爱用的 10 种编程语言:
・ Java
・ Java
・ C/C++
・ Go
・ Python
・ Type
・ Dart
・ PHP
・ Objective-C
・ C#
对照来看,谷歌工程师最爱用的也是 Java,自家的产品 Go 当然也排名靠前。
GitHub 贡献者最活跃的项目
贡献行为包括对项目推送了代码、对打开或评论了问题,或者提交 Pull Request。活跃则表示有过代码提交、写备注、被星标和问题汇报 issue 等行为。
据统计,过去一年来,GitHub 有 580 万以上的活跃用户、33 万以上的活跃组织、1.9 亿以上的活跃项目,以及 1000 万以上的活跃问题汇报。
其中,按照项目贡献者活跃度排名:
贡献者人数最多的机构
贡献者人数最多的机构,微软位居第一。
当然,贡献者人数与公司员工数量有一定关系,微软全球员工加起来超过 Facebook 员工总数的 10 倍还要多,因此,GitHub 这个排名实际上凸显了 Facebook 人的活跃。
相比之下,谷歌的排名就有些不太好说了……难道都去做自家公司的项目了?
Fork 最多的项目
Fork 越多,代表对这个项目感兴趣、有可能会参与开发的人越多。
在这里,TensorFlow 再次展现实力――虽然排名第五,要知道,排名第一的 datasharing 是一篇文章,排名第二的 Spoon-Knife 和第三的 ProgrammingAssignment2 都是教程。
可以说,TensorFlow 名副其实是 GitHub 深度学习开源第一库。这么看来,微软的 CNTK 或需加强宣传力度。
Github 新增用户中国排名第一
GitHub 上已经有超过 520 万的用户和超 30 万的机构。过去一年来,有超过 81 万人首次提交 Pull Request,有 280 万人创造了自己的第一个项目。
其中,中国是新用户注册增长最多的国家,同比增长 97%,由此可见 GitHub 在中国的接受度大幅提高。
全球进入协同编程时代
由上图可以见,绝大部分 PR 都是由机构发起的,说明全球正进入大规模协同编程时代。这与从 2015 年底开始的深度学习开源运动潮流相符。
报告原文地址:https://octoverse.github.com/