Aprendizaje profundo en R con el paquete H2O vs neuralnet

Question

Tenía una pregunta bastante abierta. He estado buscando arquitecturas de aprendizaje profundo para redes neuronales de clasificación en R. Aparecieron algunos paquetes, neuralnet , H2O y nnet He trabajado con todos ellos. nnet sólo proporciona una única capa oculta, por lo que me parece un poco limitante, ya que no puede realizar un aprendizaje profundo. H2O está construido para escalar con memoria distribuida, pero encuentro que toma mucho tiempo en conjuntos de datos de tamaño razonable (digamos 100s de MB), pero me permite hacer aprendizaje profundo. neuralnet permite múltiples capas ocultas. Si se quita la función de hacer abandonos aleatorios en H2O no es neuralnet ¿es capaz de aprender en profundidad?

Answer 1

Una simple búsqueda en google muestra que el paquete R deepnet está haciendo DNN :

http://cran.r-project.org/web/packages/deepnet/deepnet.pdf

Answer 2

Ahora tenemos MXNet. Pero si saltamos un poco (a python), hay varios paquetes buenos como Tensorflow,Keras,Mxnet,Caffe, etc.