İçeriğe atla

Derin öğrenme yazılımlarının karşılaştırılması

Aşağıdaki çizelgede derin öğrenme konusunda en bilinen yazılım iskeletleri, yazılım demetleri ve bilgisayar programları karşılaştırılmaktadır.

Derin öğrenme yazılımlarının adları

Yazılım Oluşturan Yazılım lisansı[a]Açık kaynakPlatform Yazıldığı dil Arayüz OpenMP desteği OpenCL desteği CUDA desteği Otomatik diferansiyasyon[1]Önceden eğitilmiş modelleri var mı? Yinelenen ağ Katmanlı ağ KBM/DIA Parallel işlem (çok düğümde)
Caffe Berkeley Vision and Learning Center Apache 2.0 Evet Linux, Mac OS X, Windows[2]C++Python, MATLABEvet Geliştiriliyor[3]Evet Evet Evet[4]Evet Evet Hayır Belki
Caffe2 MetaApache 2.0 Evet Linux, Mac OS X, Windows[5]C++, PythonPython, MATLABEvet Geliştiriliyor[3]Evet Evet Evet[6]Evet Evet Hayır Evet
Deeplearning4j Skymind engineering team; Deeplearning4j community; İlk sahibi Adam Gibson Apache 2.0 Evet Linux, Mac OS X, Windows, Android (Cross-platform) C++, Java Java, Scala, Clojure, Python (Keras), Kotlin Evet On roadmap[7]Evet[8][9]Computational Graph Evet[10]Evet Evet Evet Evet[11]
Dlib Davis King Boost yazılım lisansı Evet Cross-Platform C++C++Evet Hayır Evet Evet Evet Hayır Evet Evet Evet
KerasFrançois Chollet MIT license Evet Linux, Mac OS X, WindowsPythonPython, R Sadece Theano veya MXNet ile kullanıldığında Theano ile kullanım için geliştiriliyor (TensorFlow ile kullanım yönünde bir adım olarak) Evet Evet Evet[12]Evet Evet Evet Evet[13]
MatConvNet Andrea Vedaldi, Karel Lenc BSD license Evet Windows, Linux[14] (Mac OS X via Docker on roadmap) C++MATLAB, C++, Hayır Hayır Evet Evet Evet Evet Evet Hayır Evet
Microsoft Cognitive Toolkit Microsoft ResearchMIT license[15]Evet Windows, Linux[14] (Mac OS X via Docker on roadmap) C++Python (Keras), C++, Command line,[16] BrainScript[17] (.NET on roadmap[18]) Evet[19]Hayır Evet Evet Evet[20]Evet[21]Evet[21]Hayır[22]Evet[23]
MXNet Distributed (Deep) Machine Learning Community Apache 2.0 Evet Linux, Mac OS X, Windows,[24][25] AWS, Android,[26] iOS, JavaScript[27]Small C++ core library C++, Python, Julia, Matlab, JavaScript, Go, R, Scala, Perl Evet On roadmap[28]Evet Evet[29]Evet[30]Evet Evet Evet Evet[31]
Neural Designer Artelnics Özel mülkHayır Linux, Mac OS X, WindowsC++Graphical user interface Evet Hayır Hayır Belki Belki Hayır Hayır Hayır Belki
OpenNN Artelnics GNU LGPL Evet Cross-platform C++C++Evet Hayır Hayır Belki Belki Hayır Hayır Hayır Belki
PaddlePaddle Baidu PaddlePaddle team Apache 2.0 Evet Linux, Mac OS X, Android,[32] Raspberry Pi[33]C++, Go C/C++, PythonEvet Hayır Evet Evet Evet[34]Evet Evet Hayır Evet
Pytorch
Apache SINGA Apache Incubator Apache 2.0 Evet Linux, Mac OS X, WindowsC++Python, C++, Java Hayır Evet Evet Belki Evet Evet Evet Evet Evet
TensorFlowGoogle Brain team Apache 2.0 Evet Linux, Mac OS X, Windows[35]C++, PythonPython (Keras), C/C++, Java, Go, R[36]Hayır Planlanmış[37] ama zaten SYCL[38] destekli Evet Evet[39]Evet[40]Evet Evet Evet Evet
Theano Université de MontréalBSD license Evet Cross-platform PythonPython (Keras) Evet Geliştiriliyor[41]Evet Evet[42][43]Lasagne'nin Model Zoo'su aracılığı ile[44]Evet Evet Evet Evet[45]
Torch Ronan Collobert, Koray Kavukcuoglu, Clement Farabet BSD license Evet Linux, Mac OS X, Windows,[46] Android,[47] iOSC, Lua Lua, LuaJIT,[48] C, utility library for C++/OpenCL[49]Evet Başkaları tarafından gerçekleştiriliyor[50][51]Evet[52][53]Twitter'in Autograd'ı aracılığı ile[54]Evet[55]Evet Evet Evet Evet[56]
Wolfram Mathematica Wolfram Research Özel mülkHayır Windows, Mac OS X, Linux, Cloud computing C++Wolfram Language Hayır Hayır Evet Evet Evet[57]Evet Evet Evet Evet

Şablon:Hayırt listesi

Benzer yazılım

  • Neural Engineering Object (NENGO) – Yüksek ölçekte sinir ağları ve çizimleri amaçlı yazılımı
  • Numenta Platform for Intelligent Computing – Numenta'nın hierarchical temporal memory modelinin açık kaynak olarak gerçekleştirilmiş sürümü

Ayrıca bakınız

  • Yapay zeka

Notlar

  1. ^ Özet, tamamı çok karmaşık olabilir, başka yazılımları da içeriyor ve onların lisanslarına da uymak zorunda olabilir

Kaynakça

  1. ^ Baydin, Atilim Gunes; Pearlmutter, Barak A.; Radul, Alexey Andreyevich; Siskind, Jeffrey Mark (20 Şubat 2015), Automatic differentiation in machine learning: a survey, arXiv:1502.05767 $2 
  2. ^ "Microsoft/caffe". GitHub. 22 Nisan 2017 tarihinde kaynağından arşivlendi. Erişim tarihi: 11 Nisan 2017. 
  3. ^ a b "OpenCL Caffe". 22 Mart 2017 tarihinde kaynağından arşivlendi. Erişim tarihi: 11 Nisan 2017. 
  4. ^ "Caffe Model Zoo". 1 Nisan 2017 tarihinde kaynağından arşivlendi. Erişim tarihi: 11 Nisan 2017. 
  5. ^ "Caffe2 Github Repo". 25 Kasım 2017 tarihinde kaynağından arşivlendi. Erişim tarihi: 29 Kasım 2017. 
  6. ^ "Caffe Model Zoo". 24 Kasım 2017 tarihinde kaynağından arşivlendi. Erişim tarihi: 11 Nisan 2017. 
  7. ^ "Support for Open CL · Issue #27 · deeplearning4j/nd4j". GitHub. 5 Mart 2017 tarihinde kaynağından arşivlendi. Erişim tarihi: 11 Nisan 2017. 
  8. ^ "N-Dimensional Scientific Computing for Java". 16 Ekim 2016 tarihinde kaynağından arşivlendi. Erişim tarihi: 11 Nisan 2017. 
  9. ^ "Comparing Top Deep Learning Frameworks". Deeplearning4j. 7 Kasım 2017 tarihinde kaynağından arşivlendi. Erişim tarihi: 29 Kasım 2017. 
  10. ^ Chris Nicholson; Adam Gibson. "Deeplearning4j Models". 20 Eylül 2016 tarihinde kaynağından arşivlendi. Erişim tarihi: 11 Nisan 2017. 
  11. ^ Deeplearning4j. "Deeplearning4j on Spark". Deeplearning4j. 30 Eylül 2016 tarihinde kaynağından arşivlendi. Erişim tarihi: 11 Nisan 2017. 
  12. ^ "Arşivlenmiş kopya". 2 Şubat 2017 tarihinde kaynağından arşivlendi. Erişim tarihi: 11 Nisan 2017. 
  13. ^ "Does Keras support using multiple GPUs? · Issue #2436 · fchollet/keras". 5 Mart 2017 tarihinde kaynağından arşivlendi. Erişim tarihi: 11 Nisan 2017. 
  14. ^ a b "Setup CNTK on your machine". GitHub. 8 Mayıs 2017 tarihinde kaynağından arşivlendi. Erişim tarihi: 11 Nisan 2017. 
  15. ^ "CNTK/LICENSE.md at master · Microsoft/CNTK · GitHub". GitHub. 22 Nisan 2017 tarihinde kaynağından arşivlendi. Erişim tarihi: 11 Nisan 2017. 
  16. ^ "CNTK usage overview". GitHub. 5 Mart 2017 tarihinde kaynağından arşivlendi. Erişim tarihi: 11 Nisan 2017. 
  17. ^ "BrainScript Network Builder". GitHub. 5 Mart 2017 tarihinde kaynağından arşivlendi. Erişim tarihi: 11 Nisan 2017. 
  18. ^ ".NET Support · Issue #960 · Microsoft/CNTK". GitHub. 5 Mart 2017 tarihinde kaynağından arşivlendi. Erişim tarihi: 11 Nisan 2017. 
  19. ^ "How to train a model using multiple machines? · Issue #59 · Microsoft/CNTK". GitHub. 5 Mart 2017 tarihinde kaynağından arşivlendi. Erişim tarihi: 11 Nisan 2017. 
  20. ^ "Arşivlenmiş kopya". 5 Mart 2017 tarihinde kaynağından arşivlendi. Erişim tarihi: 11 Nisan 2017. 
  21. ^ a b "CNTK - Computational Network Toolkit". Microsoft Corporation. 5 Mart 2017 tarihinde kaynağından arşivlendi. Erişim tarihi: 11 Nisan 2017. 
  22. ^ url=https://github.com/Microsoft/CNTK/issues/534 5 Mart 2017 tarihinde Wayback Machine sitesinde arşivlendi.
  23. ^ "Multiple GPUs and machines". Microsoft Corporation. 5 Mart 2017 tarihinde kaynağından arşivlendi. Erişim tarihi: 11 Nisan 2017. 
  24. ^ "Releases · dmlc/mxnet". Github. 5 Mart 2017 tarihinde kaynağından arşivlendi. Erişim tarihi: 11 Nisan 2017. 
  25. ^ "Installation Guide — mxnet documentation". Readthdocs. 30 Eylül 2016 tarihinde kaynağından arşivlendi. Erişim tarihi: 11 Nisan 2017. 
  26. ^ "MXNet Smart Device". ReadTheDocs. 21 Eylül 2016 tarihinde kaynağından arşivlendi. Erişim tarihi: 11 Nisan 2017. 
  27. ^ "MXNet.js". Github. 5 Mart 2017 tarihinde kaynağından arşivlendi. Erişim tarihi: 11 Nisan 2017. 
  28. ^ "Support for other Device Types, OpenCL AMD GPU · Issue #621 · dmlc/mxnet". GitHub. 5 Mart 2017 tarihinde kaynağından arşivlendi. Erişim tarihi: 11 Nisan 2017. 
  29. ^ http://mxnet.readthedocs.io/[]
  30. ^ "Model Gallery". GitHub. 5 Mart 2017 tarihinde kaynağından arşivlendi. Erişim tarihi: 11 Nisan 2017. 
  31. ^ "Run MXNet on Multiple CPU/GPUs with Data Parallel". GitHub. 28 Eylül 2016 tarihinde kaynağından arşivlendi. Erişim tarihi: 11 Nisan 2017. 
  32. ^ "Arşivlenmiş kopya". 1 Aralık 2017 tarihinde kaynağından arşivlendi. Erişim tarihi: 29 Kasım 2017. 
  33. ^ "Arşivlenmiş kopya". 1 Aralık 2017 tarihinde kaynağından arşivlendi. Erişim tarihi: 29 Kasım 2017. 
  34. ^ "Arşivlenmiş kopya". 1 Aralık 2017 tarihinde kaynağından arşivlendi. Erişim tarihi: 29 Kasım 2017. 
  35. ^ "Arşivlenmiş kopya". 20 Mart 2017 tarihinde kaynağından arşivlendi. Erişim tarihi: 11 Nisan 2017. 
  36. ^ interface), JJ Allaire (R; RStudio; Eddelbuettel, Dirk; Golding, Nick; Tang, Yuan; Tutorials), Google Inc (Examples and (26 Mayıs 2017), tensorflow: R Interface to TensorFlow, 6 Temmuz 2017 tarihinde kaynağından arşivlendi, erişim tarihi: 14 Haziran 2017 
  37. ^ "tensorflow/roadmap.md at master · tensorflow/tensorflow · GitHub". GitHub. 23 Ocak 2017. Erişim tarihi: 21 Mayıs 2017. 
  38. ^ "OpenCL support · Issue #22 · tensorflow/tensorflow". GitHub. 5 Mart 2017 tarihinde kaynağından arşivlendi. Erişim tarihi: 11 Nisan 2017. 
  39. ^ "Arşivlenmiş kopya". 2 Temmuz 2016 tarihinde kaynağından arşivlendi. Erişim tarihi: 11 Nisan 2017. 
  40. ^ "Arşivlenmiş kopya". 29 Nisan 2017 tarihinde kaynağından arşivlendi. Erişim tarihi: 11 Nisan 2017. 
  41. ^ "Using the GPU — Theano 0.8.2 documentation". 1 Nisan 2017 tarihinde kaynağından arşivlendi. Erişim tarihi: 11 Nisan 2017. 
  42. ^ "Arşivlenmiş kopya". 11 Temmuz 2017 tarihinde kaynağından arşivlendi. Erişim tarihi: 11 Nisan 2017. 
  43. ^ https://groups.google.com/d/msg/theano-users/mln5g2IuBSU/gespG36Lf_QJ []
  44. ^ "Recipes/modelzoo at master · Lasagne/Recipes · GitHub". GitHub. 5 Mart 2017 tarihinde kaynağından arşivlendi. Erişim tarihi: 11 Nisan 2017. 
  45. ^ "Using multiple GPUs — Theano 0.8.2 documentation". 4 Mayıs 2017 tarihinde kaynağından arşivlendi. Erişim tarihi: 11 Nisan 2017. 
  46. ^ "Arşivlenmiş kopya". 5 Mart 2017 tarihinde kaynağından arşivlendi. Erişim tarihi: 11 Nisan 2017. 
  47. ^ "GitHub - soumith/torch-android: Torch-7 for Android". GitHub. 22 Nisan 2017 tarihinde kaynağından arşivlendi. Erişim tarihi: 11 Nisan 2017. 
  48. ^ "Torch7: A Matlab-like Environment for Machine Learning" (PDF). 6 Mart 2016 tarihinde kaynağından (PDF) arşivlendi. Erişim tarihi: 11 Nisan 2017. 
  49. ^ "GitHub - jonathantompson/jtorch: An OpenCL Torch Utility Library". GitHub. 22 Nisan 2017 tarihinde kaynağından arşivlendi. Erişim tarihi: 11 Nisan 2017. 
  50. ^ "Cheatsheet". GitHub. 18 Nisan 2017 tarihinde kaynağından arşivlendi. Erişim tarihi: 11 Nisan 2017. 
  51. ^ "cltorch". GitHub. 5 Mart 2017 tarihinde kaynağından arşivlendi. Erişim tarihi: 11 Nisan 2017. 
  52. ^ "Torch CUDA backend". GitHub. 5 Mart 2017 tarihinde kaynağından arşivlendi. Erişim tarihi: 11 Nisan 2017. 
  53. ^ "Torch CUDA backend for nn". GitHub. 5 Mart 2017 tarihinde kaynağından arşivlendi. Erişim tarihi: 11 Nisan 2017. 
  54. ^ "Arşivlenmiş kopya". 4 Ocak 2017 tarihinde kaynağından arşivlendi. Erişim tarihi: 11 Nisan 2017. 
  55. ^ "ModelZoo". GitHub. 5 Mart 2017 tarihinde kaynağından arşivlendi. Erişim tarihi: 11 Nisan 2017. 
  56. ^ "Arşivlenmiş kopya". 18 Nisan 2017 tarihinde kaynağından arşivlendi. Erişim tarihi: 11 Nisan 2017. 
  57. ^ "Arşivlenmiş kopya". 22 Nisan 2017 tarihinde kaynağından arşivlendi. Erişim tarihi: 11 Nisan 2017. 

İlgili Araştırma Makaleleri

<span class="mw-page-title-main">OpenCL</span>

OpenCL,, Apple tarafından 2008 yılında kâr amacı gütmeyen teknoloji şirketleri birliği Khronos Group'a önerilen, kabul gördükten sonra spesifikasyonu pek çok şirketin katkılarıyla hazırlanan heterojen hesaplama platformudur. OpenCL; destekli grafik işlemcileri, genel amaçlı işlemciler ve FPGA ler gibi farklı platformlarda hesaplama yapılmasına olanak sağlar. OpenCL AMD, Intel, NVIDIA ve ARM tarafından desteklenmektedir. Ayrıca OpenCL kullanılarak Sony Playstation cihazlarında kullanılan Cell işlemcilerde de hesaplama yapılabilmektedir.

Bu sayfa tablet bilgisayar serisi "Microsoft Surface" içindir. 18 Haziran 2012 tarihinden önceki adı Microsoft Surface olan "Microsoft PixelSense" ürünü için tıklayınız.

<span class="mw-page-title-main">GitHub</span> sürüm kontrol sistemi olarak Git kullanan yazılım geliştirme projeleri için ağ tabanlı bir depolama servisi

GitHub, sürüm kontrol sistemi olarak Git kullanan yazılım geliştirme projeleri için web tabanlı bir depolama servisidir. 8 Şubat 2008 tarihinde Tom Preston-Werner, Chris Wanstrath, P. J. Hyett, Scott Chacon tarafından kuruldu. GitHub özel depolar için ücretli üyelik seçenekleri sunarken, açık kaynaklı projeler için ücretsizdir. Mayıs 2011 itibarıyla GitHub açık kaynaklı projeler tarafından tercih edilen en popüler depolama servisidir.

<span class="mw-page-title-main">Laravel</span>

Laravel, MVC yapısında web uygulamaları geliştirme için tasarlanmış ücretsiz, açık kaynak PHP web uygulama iskeletidir. Laravel, GitHub sitesinde barındırılan kaynak kodu ile birlikte, MIT lisansı altında yayınlandı.

<span class="mw-page-title-main">Surface Hub</span>

Surface Hub Microsoft Surface ailesinin bir parçası olarak Microsoft tarafından geliştirilen ve pazarlanan etkileşimli tahtaların bir markasıdır. Surface Hub, Multi-touch dokunmatik ve çok kalem özellikli 84 inç (210 cm) 120 Hz 4K çözünürlük veya 55 inç (140 cm) 1080p dokunmatik ekrana sahip bir duvar veya makara ile monteli cihazdır. Windows 10 sisteminde çalışır. Cihazların, işletmeler işbirliği ve videokonferans esnasında kullanılmaları hedefleniyor.

CMake, derleyiciden bağımsız olarak, yazılım inşası otomasyonu, testi, paketleme ve yüklenmesi için kullanılan çapraz-platform ve açık kaynak kodlu yazılımdır. Çoklu kütüphane kullanan uygulamaları ve dizin hiyerarşisini destekler. CMake bir inşa yazılımı değildir, kodu build etmez, onun yerine yerli inşa sistemlerinin ihtiyacı olan şeyi, inşa betiklerini oluşturur. Apple Xcode, Make, Microsoft Visual Studio, Ninja gibi yerli (native) inşa ortamlarıyla birlikte kullanılır. Kullanılması için yalnızca bir C++ derleyicisi yeterlidir.

Kriptolojide, Curve25519 256-bit anahtar boyutu için 128-bit güvenlik sağlayan ve eliptik eğri Diffie–Hellman (ECDH) anahtar değişim protokolu ile kullanılması için tasarlanan bir eliptik eğridir. ECC eğrileri içinde en hızlılarından biridir ve bilinen herhangi bir patent kapsamında değildir.

Android üzerinde çalışan özgür yazılım ve Açık kaynak önemli uygulamaların kısa bir listesidir.

youtube-dl, YouTube, Dailymotion ve Vimeo gibi akış web sitelerinden ses ve video dosyalarını ayıklamak için kullanılan bir komut satırı indirme yöneticisi programıdır. Yazılım Python kullanılarak yazılmıştır. youtube-dl, Lisanssız lisans kapsamında kamuya açık yazılımdır.

<span class="mw-page-title-main">Unlicense</span> Kamu malı eşdeğerinde lisans

Lisanssız bir kamu malı eşdeğer lisansıdır ve telif hakkı karşıtlığı odaklıdır. İlk defa 1 Ocak 2010'da yayınlandı. 2015 yılında GitHub, 5,1 milyon lisanslı projesinin yaklaşık 102.000'inin Unlicense'i kullandığını bildirdi.

<span class="mw-page-title-main">Keras</span> Sinir Ağ Kütüphanesi

Keras, Python'da yazılmış açık kaynaklı bir sinir ağı kütüphanesidir. Keras TensorFlow, Microsoft Cognitive Toolkit, R, Theano veya PlaidML ile beraber çalışabilir. Derin sinir ağları ile hızlı deney yapabilmek için tasarlanan bu cihaz kullanıcı dostu, modüler ve genişletilebilir olmaya odaklanıyor. ONEIROS, projesinin araştırma çabalarının bir parçası olarak geliştirilmiştir ve ana yazarı ve sürdürücüsü Google mühendisi François Chollet'tir. Chollet ayrıca XCeption derin sinir ağı modelinin yazarıdır.

<span class="mw-page-title-main">LineageOS</span>

LineageOS; Android mobil platformuna dayanan akıllı telefonlar, tablet bilgisayarlar ve set üstü kutular için yazılan ücretsiz ve açık kaynaklı bir işletim sistemidir. Cyanogen Inc.'in geliştirmeyi bıraktığını ve projenin arkasındaki altyapıyı kapattığını açıkladığı Aralık 2016'da çatallandığı özel ROM CyanogenMod'un halefidir. Cyanogen Inc., Cyanogen adının haklarını koruduğundan, proje çatalı LineageOS olarak yeniden adlandırıldı.

<span class="mw-page-title-main">TensorFlow</span>

TensorFlow, makine öğrenimi için ücretsiz ve açık kaynaklı bir yazılım kütüphanesidir. Bir dizi görevde kullanılabilir, ancak derin sinir ağlarının eğitimi ve çıkarımına özel olarak odaklanmaktadır.

<span class="mw-page-title-main">Signal (yazılım)</span> Şifreli iletişim uygulaması

Signal, özgür ve açık kaynaklı, çapraz platform şifreli mesajlaşma yazılımı. Signal Vakfı ve Signal Messenger LLC tarafından geliştirmektedir. İnternet üzerinden dosyaları, sesli mesajları, görselleri ve videoları içerebilen kişiler arası mesajları veya grup mesajlarını göndermek için kullanılır. Ayrıca bire bir sesli ve görüntülü arama yapabilir, Android sürümü SMS uygulaması olarak da işlev görebilir.

Mycroft, Linux için ücretsiz bir sanal asistandır.

Blink, Google, Facebook, Microsoft, Opera Software, Adobe Systems, Intel, IBM, Samsung ve diğerlerinin katkılarıyla Chromium projesinin parçası olarak geliştirilmiş bir tarayıcı motorudur. İlk olarak Nisan 2013'te duyuruldu.

<span class="mw-page-title-main">DownThemAll!</span>

DownThemAll! (DTA), bir özgür tarayıcı uzantısı indirme yöneticisidir. DTA, bir web sayfasıyla ilişkili tüm bağlantılı dosyaları, görüntüleri indirebilir. İndirmeleri duraklatabilir, devam ettirebilir veya yeniden başlatabilir.

<span class="mw-page-title-main">NewPipe</span>

NewPipe, bir YouTube istemcisi işlevi görerek YouTube videolarını reklamsız, indirilebilir ve arka planda dinlenebilir şekilde sunan, Android cihazlar için geliştirilmiş özgür ve açık kaynaklı kodlu resmî olmayan bir medya oynatıcıdır. Uygulama; F-Droid yazılım deposundan, NewPipe'ın resmî sitesinden veya GitHub sayfasından apk formatında kurulum dosyası olarak edinilebilir. Uygulama, resmî YouTube uygulamasına alternatif olarak kullanılabilir.

<span class="mw-page-title-main">Electron (yazılım kütüphanesi)</span>

Electron, GitHub tarafından geliştirilen ve bakımı yapılan özgür ve açık kaynaklı bir yazılım iskeletidir. Çerçeve, Chromium tarayıcı motorunun bir çeşidi kullanılarak oluşturulan web teknolojilerini ve Node.js çalışma ortamını kullanarak masaüstü uygulamaları oluşturmak için tasarlanmıştır. Ek olarak, Düğüm hizmetleriyle yerel entegrasyon ve süreçler arası iletişim modülü gibi şeylere izin vermek için çeşitli API'ler de kullanır.

<span class="mw-page-title-main">LightDM</span>

LightDM, hafif, hızlı, genişletilebilir ve çoklu masaüstü olmayı hedefleyen özgür ve açık kaynaklı bir X ekran yöneticisidir. Greeters olarak da adlandırılan Kullanıcı Arayüzünü çizmek için çeşitli ön uçlar kullanabilir. Ayrıca Wayland'ı da destekler.