开发时间表

版本 模块 特性
v0.1 2015 九月 神经网络 前向传播神经网络, 包括 CNN, MLP
    类 RBM 模型, 包括 RBM
    循环神经网络, 包括标准 RNN
  架构 在单节点运行一个工作组 (包括划分)
    在单节点运行多个工作组, 用 Hogwild
    分布式 Hogwild
    跨多节点运行多个工作组 , 如 Downpour
    All-Reduce 训练架构如 DeepImage
    服务器间负载均衡
  失败恢复 检查点和恢复
  工具 用 GNU 自动工具安装
v0.2 2016 一月 神经网络 前向传播神经网络, 包括 AlexNet, cuDNN 层, 工具
    循环神经网络, 包括 GRU 层和 BPTT
    模型划分和混合划分
  工具 融合 Mesos 资源管理
    准备部署 Docker images
    可视化神经网络和调试信息
  绑定 主要组件 Python 绑定
  GPU 单节点多个 GPU
v0.3 2016 四月 GPU 多个节点, 每个包含多个 GPU
    用 GPU 和 CPU 混合训练 CcT
    支持 cuDNN v4
  安装 删除 ZeroMQ, CZMQ 依赖, 单节点训练 zookeeper
  优化器 添加新的 SGD 优化器,包括 Adam, AdamMax 和 AdaDelta
  绑定 增强 Python 绑定训练
v1.0 2016 九月 模型抽象 Tensor 基于线性代数, 神经网络和随机运算
    分布式参数更新优化器
  硬件 使用 Cuda 和 Cudnn for Nvidia GPU
    使用 OpenCL for AMD GPU 及其他设备
  跨平台 从 Linux 扩展到 MacOS
    大型图像模型, 例如, VGGResidual Net
v1.1 2017 一月 模型库 GoogleNet; 医疗健康模型
  Caffe 转换器 使用 SINGA 训练模型, 从 caffe proto 文件配置
  模型组件 添加 concat 和 slice 层; 接受多个输入网络
  编译和安装 Windows 支持
    通过与 protobuf 和 openblas 一起编译 SINGA 简化安装
    用 Jenkins 自动生成 python wheel
    从 Debian packages 安装 SINGA
v1.2 2018 六月 AutoGrad 后向传播 AutoGrad
  Python 3 PySinga 支持 Python 3
  模型 添加流行模型, 包括 VGG, ResNet, DenseNet, InceptionNet