Download SINGA
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):
- Apache SINGA 2.0.0 (incubating) [SHA512] [ASC]
- Release Notes 2.0.0 (incubating)
- 新特性及重要更新：
- 增强了 autograd 功能(适用于卷积网络和循环网络)。
- 支持 ONNX。
- 通过英特尔 MKL DNN lib 改进 CPP 操作。
- 实现 tensor 广播。
- 在 Apache 用户名下移动 Docker 镜像。
- 更新 conda-build 配置中依赖的 lib 版本。
孵化版本（incubating） v1.2.0 (6 June 2018):
- Apache SINGA 1.2.0 (incubating) [SHA512] [ASC]
- Release Notes 1.2.0 (incubating)
- 新特性及重要更新：
- 实现了 autograd（目前支持 MLP 模式）。
- 升级 PySinga 以支持 Python 3
- 改进 Tensor 类的 stride 范围。
- 将 cuDNN 从 V5 升级到 V7。
- 增加 VGG、Inception V4、ResNet 和 DenseNet 进行 ImageNet 分类。
- 为 conda 包创建别名
- 完整的中文文档
- 添加在 Windows 上运行 Singa 的说明
- 更新编译，CI
- 修复一些错误
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):
- Apache SINGA 0.3.0 (incubating) [MD5] [ASC]
- Release Notes 0.3.0 (incubating)
- 新特性和重要更新：
- 在 GPU 集群上进行训练，可以在 GPU 集群上进行深度学习模型的训练。
- 改进 Python wrapper 简化配置工作，包括神经网络和 SGD 算法。
- 新增 SGD 更新器，包括 Adam、AdaDelta 和 AdaMax。
- 安装时减少了单节点训练的依赖库。
- 使用 CPU 和 GPU 进行异构训练。
- 支持 cuDNN V4。
- 数据预取。
- 修复一些 bug。
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):
- Apache SINGA 0.1.0 (incubating) [MD5] [ASC]
- Amazon EC2 image
- Release Notes 0.1.0 (incubating)
- 新特性和重要更新：
- 允许使用 GNU 构建工具进行安装。
- 实现用 zookeeper 进行工作管理的脚本。
- 实现基于 NeuralNet 和 Layer 的编程模型。
- 实现基于 Worker、Server 和 Stub 的系统架构。
- 训练模型来自三种不同的模型类别，即前馈模型、能量模型和 RNN 模型。
- 使用 CPU 的同步和异步分布式训练框架。
- checkpoint 文件生成和恢复。
- 使用 gtest 进行单元测试。