我需要使用（在应用程序中）极限学习机（ELM），它针对多个CPU或GPU进行了高度优化。由于ELM主要计算涉及Moore-Penrose伪逆和矩阵乘法，在Theano和Caffe中实现ELM的最佳选择是什么？
其次，是否可以使用其python接口在Caffe中实现一个新的学习算法（ELM）？
答案 0 :(得分：1)
如果我是你，我会使用Theano，而不是Caffe。 Caffe在通用矩阵库周围编程 ，所以对于Caffe，你会尝试用螺丝刀基本上打开啤酒。 如果您明确感觉使用C ++，请查看MrShadow或任何其他基于GPU的矩阵库。
...或者只是简单地使用Theano和Python。
我不是Python的忠实粉丝，Theano需要一些时间来掌握，但它非常方便。
还有一个或两个用于Python的ELM库可以作为参考，当您需要测试自己的实现时，这是一个巨大的优势。
https://github.com/dclambert/Python-ELM
我还没有使用它们，所以我不能详细说明它们的状态，但总比没有好。
您还可以看看Keras和Lasagne，它们都是在Theano之上构建的神经网络库。就像Caffe一样，他们对ELM没什么帮助，但他们会让你开始使用Theano + nnets。然后，您所要做的就是创建自己的ELM图层。
答案 1 :(得分：0)
另一种解决方案是 PyTorch 的 torch.linalg.pinv()，针对 GPU 计算进行了优化：
计算矩阵 onPressed: () => setState(() => isOn = !isOn),
child: isOn ? SwitchOnIconWidget() : SwitchOffIconWidget(),
或批处理 input 中每个矩阵的伪逆（也称为 Moore-Penrose 逆）。
答案 2 :(得分：-2)
就Google而言，Caffe不会帮助您使用“极限学习机器”。
其次，是否可以使用其python接口在Caffe中实现一个新的学习算法（ELM）？
不，那是不可能的。您必须在C ++中实现新的层和算法。之后你可以通过Python处理它们。
有关Caffe的入门读物，请查看"Neural Nets with Caffe Utilizing the GPU"。