Hebel

基于 GPU 加速的 Python 深度学习库

Hebel 是一个用于在 Python 中使用神经网络进行深度学习的库，它通过 PyCUDA 利用 CUDA 实现 GPU 加速。该库实现了最重要的几种神经网络模型，并提供了多种激活函数和训练方法，例如动量法、Nesterov 动量法、dropout 以及早停等。

目前我不再积极开发 Hebel。如果您正在寻找 Python 中的深度学习框架，我推荐 Chainer。

模型

目前，Hebel 实现了用于单任务或多任务分类与回归的前馈神经网络。未来计划加入自编码器、卷积神经网络和受限玻尔兹曼机等其他模型。

Hebel 还实现了 dropout 以及 L1 和 L2 权重衰减作为正则化手段。

优化方法

Hebel 实现了带有普通动量和 Nesterov 动量的随机梯度下降（SGD）算法。

兼容性

目前，Hebel 可以在 Linux 和 Windows 上运行，也可能支持 Mac OS X（尚未测试）。

依赖项

• PyCUDA
• numpy
• PyYAML
• skdata（仅用于 MNIST 示例）

安装

Hebel 已发布到 PyPI，因此您可以通过以下命令安装：

pip install hebel

快速入门

请参阅 examples/ 目录下的 YAML 配置文件，并运行：

python train_model.py examples/mnist_neural_net_shallow.yml

该脚本将在 examples/mnist 目录下创建一个子目录，用于保存模型和日志文件。

更多详细信息，请阅读快速入门指南：hebel.readthedocs.org/en/latest/getting_started.html。

文档

hebel.readthedocs.org

联系方式

由 Hannes Bretschneider 维护（hannes@psi.utoronto.ca）。如果您正在使用 Hebel，请告知我它是否对您有所帮助；如果发现任何错误或有功能需求，请提交 GitHub 问题。

引用

如果您在研究中使用了 Hebel，请务必引用它。BibTeX 格式的参考文献如下：

@article{Bretschneider:10050,
  author        = "Hannes Bretschneider",
  title         = "{Hebel - GPU-Accelerated Deep Learning Library in Python}",
  month         = "May",
  year          = "2014",
  doi           = "10.5281/zenodo.10050",
  url           = "https://zenodo.org/record/10050",
}

名字的由来？

Hebel 在德语中是“杠杆”的意思，它是人类最早使用的工具之一。正如阿基米德所说：“给我一个足够长的杠杆和一个支点，我就能撬动地球。”

Hebel 快速上手指南

⚠️ 重要提示：Hebel 目前已停止主动开发。作者推荐新用户转向使用 Chainer 或其他现代深度学习框架。本指南仅适用于需要维护旧项目或进行特定研究的开发者。

Hebel 是一个基于 Python 的深度学习库，利用 PyCUDA 通过 CUDA 实现 GPU 加速。它支持前馈神经网络、多种激活函数以及动量（Momentum）、Nesterov 动量、Dropout 和早停（Early Stopping）等训练方法。

环境准备

系统要求

• 操作系统：Linux 或 Windows（macOS 可能支持但未测试）。
• 硬件：必须配备支持 CUDA 的 NVIDIA GPU。
• 软件依赖：
  • NVIDIA CUDA Toolkit
  • Python (建议 2.7 版本，因该库较老)

前置依赖

在安装 Hebel 之前，请确保已安装以下 Python 库：

• PyCUDA (核心依赖，用于 GPU 计算)
• numpy
• PyYAML
• skdata (仅运行 MNIST 示例时需要)

国内加速建议：由于 Hebel 依赖较老且 PyCUDA 编译复杂，建议在国内使用清华或阿里镜像源安装基础依赖，但 PyCUDA 通常需要从源码编译或使用预编译包。

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple numpy PyYAML

安装步骤

Hebel 已发布在 PyPI 上，可以直接通过 pip 安装：

pip install hebel

如果安装过程中遇到 PyCUDA 编译错误，请先参考 PyCUDA 官方文档确保您的 CUDA 环境与 Python 版本匹配。

基本使用

Hebel 的核心工作流是通过 YAML 配置文件定义模型结构，然后调用训练脚本执行。

1. 查看示例配置

安装完成后，您可以研究 examples/ 目录下的 YAML 配置文件来了解模型定义格式。

2. 运行训练示例

以下命令将使用浅层神经网络在 MNIST 数据集上进行训练（需确保已安装 skdata 以自动下载数据）：

python train_model.py examples/mnist_neural_net_shallow.yml

3. 查看结果

脚本运行后，会在 examples/mnist 目录下自动生成文件夹，其中保存了训练好的模型文件和日志信息。

如需更详细的参数说明和高级用法，请参阅官方文档：hebel.readthedocs.org