id: version-3.1.0_Chinese-downloads title: Download SINGA original_id: downloads
Verify
要验证下载的tar.gz文件,下载KEYS和ASC文件,然后执行以下命令:
% gpg --import KEYS
% gpg --verify downloaded_file.asc downloaded_file
你也可以检查SHA512或MD5值判断下载是否完成。
V3.0.0 (18 April 2020):
- Apache SINGA 3.0.0 [SHA512] [ASC]
- Release Notes 3.0.0
- 新特性及重要更新:
- 增强了ONNX。在SINGA中测试了多种ONNX模型。
- 使用 MPI 和 NCCL Communication进行分布式训练,通过梯度稀疏化和压缩以及分块传输进行了优化。
- 计算图的构建,利用图优化了速度和内存。
- 新的文档网站(singa.apache.org)和API参考网站(apache-singa.rtfd.io)。
- 使用CI实现代码质量检查。
- 将MKLDNN替换为DNNL。
- 更新Tensor API以支持广播操作。
- 实现了支持ONNX模型的新的autograd操作符。
孵化版本(incubating) v2.0.0 (20 April 2019):
孵化版本(incubating) v1.2.0 (6 June 2018):
孵化版本(incubating) v1.1.0 (12 February 2017):
- Apache SINGA 1.1.0 (incubating) [MD5] [ASC]
- Release Notes 1.1.0 (incubating)
- 新特性和重要更新:
- 创建Docker镜像(CPU和GPU版本)
- 为SINGA创建Amazon AMI(CPU版)。
- 集成Jenkins,自动生成Wheel和Debian包(用于安装),并更新网站。
- 增强FeedFowardNet,例如,多输入和用于调试的verbose模式。
- 添加Concat和Slice层。
- 优化CrossEntropyLoss以接受带有多个标签的实例。
- 添加包含图像增强方法的image_tool.py。
- 支持通过快照API加载和保存模型。
- 在Windows上编译SINGA源代码。
- 将必要依赖库与SINGA代码一起编译。
- 为SINGA启用Java binding(基本)。
- 在checkpoint文件中添加版本ID。
- 增加Rafiki工具包以提供RESTFul APIs。
- 添加了从Caffe预训练的例子,包括GoogleNet。
孵化版本(incubating) v1.0.0 (8 September 2016):
- Apache SINGA 1.0.0 (incubating) [MD5] [ASC]
- Release Notes 1.0.0 (incubating)
- 新特性和重要更新:
- 创建Tensor概念,用于支持更多的机器学习模型。
- 创建Device概念,用于运行在不同的硬件设备上,包括CPU,(Nvidia/AMD) GPU 和 FPGA (将在以后的版本中测试)。
- 用 cmake 取代 GNU autotool 进行编译。
- 支持 Mac OS。
- 改进Python binding,包括安装和编程。
- 更多的深度学习模型,包括VGG和ResNet。
- 更多的IO类用于读取/写入文件和编码/解码数据。
- 直接基于Socket的新网络通信组件。
- Cudnn V5,包含Dropout和RNN层。
- 将网页构建工具从maven更换为Sphinx。
- 整合Travis-CI。
孵化版本(incubating) v0.3.0 (20 April 2016):
孵化版本(incubating) v0.2.0 (14 January 2016):
- Apache SINGA 0.2.0 (incubating) [MD5] [ASC]
- Release Notes 0.2.0 (incubating)
- 新特性和重要更新:
- 在GPU上进行训练,可以在一个节点上用多个GPU卡训练复杂的模型。
- 混合神经网分区支持数据和模型同时并行。
- Python wrapper简化配置,包括神经网络和SGD算法。
- 实现了RNN模型和BPTT算法,支持基于RNN模型的应用,如GRU。
- 云软件集成,包括Mesos、Docker和HDFS。
- 可视化神经网结构和层信息,以便优化调试。
- 针对Blobs和原始数据指针的线性代数函数和随机函数。
- 添加新的层,包括SoftmaxLayer、ArgSortLayer、DummyLayer、RNN层和cuDNN层。
- 更新Layer类以携带多个数据/梯度Blobs。
- 通过加载之前训练的模型参数,提取特征并测试新数据的性能。
- 为IO操作添加Store类。
Incubating v0.1.0 (8 October 2015):