脑火花
实验神经网络和深度学习代码
加里西斯式
主要的神经网络代码。 大量使用NumPy。
实施和工作
多层感知器（密集层）
反向传播梯度
常用激活功能：S型，tanh，ReLU，线性
常见的成本/误差函数：MSE，MAE，交叉熵
随机梯度下降优化器
L1和L2正则化器
在作品中
一维卷积层，可选的最大池化（梯度接近完成）
自动编码器（MLP样式）
通过PyCUDA和/或PyOpenCL进行GPU加速（仍在进行实验）
未来的工作
更多优化程序选项：rprop，动量，adagrad等。
2D卷积，以跟进1D卷积
循环网络
脑火花
用于Calrissian的实验数据并行性挂钩。
尝试使用Spark进行一些线性代数运算，但是运气不高。
研究复制的Calrissian网络以实现并行性
