用c++實現神經網路一般用什麼庫？

01-24

是使用什麼矩陣運算的庫還是不用呢？
有人說過
Armadillo

openblas
mkl
cublas
這四個，不知道他們分別各有什麼優劣呢？

mxnet有你要的，你不會失望的

神經網路有現成的庫：FANN和ANNIE。

如果你想自己實現神經網路玩玩的話，不妨用MATLAB；具體可以參考Unsupervised Feature Learning and Deep Learning Tutorial，這個教程是Andrew Ng和他的學生寫的，上面有配套的MATLAB習題，是很好的練習材料。

但如果你想實際使用神經網路做項目的話，建議還是使用開源的庫，比如Caffe | Deep Learning Framework。事實上，不建議個人實現神經網路做為項目用途：其中的卷積、反向傳導等實現要想做好還是不太容易的。

關於你說的矩陣庫，我只用過armadillo，在Windows上面和VS搭配使用的，配置很簡單，裡面也有examples，很好上手；而且這個庫本身是基於blas和lapack，個人感覺還是很高效的。重點是，這個庫的各種函數、語法，整個就一MATLAB，特別簡單好用……自從有了它，媽媽再也不用擔心老師叫我把MATLAB的代碼轉成C++了……

Python的Theano每次執行都會先產生C代碼再編譯執行. 在Linux底下的話翻開資料夾 ~/.theano 就會看到一票相應的C代碼, 抓出來用就好了

若還是想自己用C++寫的話

http://viennacl.sourceforge.net/

ViennaCL封裝了OpenCL, CUDA, OpenMP三個後端涵蓋AMD GPU, CUDA, 多核CPU, 三個願望一次滿足, 效率還略勝MKL等

要c++加上神經網路，首選mxnet

C++矩陣運算庫推薦Eigen。

關於這個問題很全的回答，來自[StatckExchange](linear algebra)

以及OpenCV，Eigen，Armadillo的性能比較。OpenCV vs. Armadillo vs. Eigen on Linux 如果矩陣乘法做的比較多的話，Eigen比較合適。

UPDATE：

有朋友提議說Eigen的效率不高，這裡是官網的Benchmark

Benchmark - Eigen

單線程比較基本上跟MKL還是有的一拼的。

竟然沒有Caffe，一個可以使用GPU加速的工業級C++神經網路庫

_(:з」∠)_第一個是用C++對blas和lapack的封裝，第二第三是blas，lapack的在CPU上的實現，第四個是在gpu上的實現……不是一個層面上的東西……

自己寫一個不就行了

放一個我最近輪的NN

代碼在https://github.com/speedmancs/ML
相關的blog
http://blog.csdn.net/wutongthucs/article/details/77964695

除了引入了tinyxml2解析xml配置文件外，沒有任何外部依賴庫。包括了基本的NN演算法, 包括LR, NN, RNN等，進一步打算實現下RNN + LSTM,CNN。不過都是CPU上的運算，以後為了效率可能會加入GPU支持。

如果只是為了學習而用C++實現神經網路，應該還是可行的，神經網路的訓練並沒有用到什麼高深的線性代數演算法，比如求矩陣特徵值，LU分解，矩陣求逆。基本上就是加減乘除，

完全可以自己輪一個簡單的矩陣庫。

MATLAB吧，都有現成的