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, VGG 和 Residual 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