在Theano上建立和操作神经网络的轻量级库
其主要特点是：
支持feed-forward网络，如ConvolutionalNeuralNetworks（CNN），包括LongShort-TermMemory（LSTM）在内的复发网络及其任何组合
允许多个输入和多个输出的架构，包括辅助分类器
许多优化方法包括Nesterov动量，RMSprop和ADAM
自由定义的成本函数，并且不需要推导出由于Theano的象征性差异而产生的渐变
由于Theano的表达式编译器，CPU和GPU的透明支持
其设计受六项原则管辖：
简单：易于使用，易于理解和易于扩展，便于研究使用
透明：不将Theano隐藏在抽象之后，直接处理和返回Theano表达式或Python/numpy数据类型
模块化：允许独立于Lasagne使用所有部件（图层，正则化程序，优化器，...）
实用主义：使常用的用例很容易，不要超越不常见的情况
限制：不要阻碍用户决定不使用的功能
重点：做一件事并把它做好
评论