Torch

Пакет torch реализует основную структуру данных библиотеки — n-мерный тензор, а также базовые методы для работы с ним — стандартные математические и статистические операции, базовые подпрограммы линейной алгебры, реализованные на Си.

Пакет image предназначен для работы с изображениями, и реализует стандартные операции для них: загрузку, сохранение, поворот, масштабирование, матричные фильтры и другие.

Компактный пакет optim содержит реализации основных оптимизационных алгоритмов, таких как реализация метода стохастического градиентного спуска и подобных.

Пакет nn предназначен для работы с нейронными сетями, в нём реализован как набор подключаемых подмодулей, определяющих конкретную форму графа сети. Контейнерные модули Sequential, Parallel и Concat позволяют создавать сложные параллельные и последовательные структуры. Существуют модули, определяющие функции активации, таковы Tanh и Sigmoid. Простые модули, например Linear, Reshape и Max являются базовыми компонентами графа и позволяют реализовать те или иные преобразования. Модули для свёрточных сетей — Temporal, Spatial и Volumetric и другие. Методы forward() и backward() реализуют методы прямого и обратного распространения ошибки.

Пакет nngraph предоставляет инструменты для создания более сложных архитектур нейронных сетей.

Кроме того, Torch имеет большое количество других встроенных модулей для поддержки сторонних библиотек, специальный пакет для более эффективной поддержки объекно-ориентированного программирования, модуль для предварительной проверки аргументов, а также собственные реализации хеширования, рациональных чисел, потоков.

• Сравнение программ глубинного обучения

• Статья с описанием языка от его создателей
• Учебник
• Документация на официальном сайте