RETURNN：用于通用循环神经网络的 RWTH 可扩展训练框架
机器学习
2017-01-11 v2 计算与语言
神经与进化计算
摘要
在本工作中，我们发布了我们的可扩展且易于配置的神经网络训练软件。它提供了丰富的功能层，特别侧重于在多 GPU 上高效训练循环神经网络拓扑。该软件包源代码公开并可免费用于学术研究目的，既可作为框架也可作为支持灵活配置的独立工具使用。该软件允许在一维数据（如语音）或二维数据（如手写文本）上训练最先进的深度双向长短期记忆（LSTM）模型，并已被用于在一些评测活动中开发成功的提交系统。
引用
@article{arxiv.1608.00895,
title = {RETURNN: The RWTH Extensible Training framework for Universal Recurrent Neural Networks},
author = {Patrick Doetsch and Albert Zeyer and Paul Voigtlaender and Ilya Kulikov and Ralf Schlüter and Hermann Ney},
journal= {arXiv preprint arXiv:1608.00895},
year = {2017}
}