目录
知识结构
传统到现在
推动因素
深度学习应用
无人驾驶
无人超市
自动翻译
个人助手
深度学习应用特点
优点:学习能力强,覆盖范围广,适应性好,可移植性好。
缺点:计算量大,便携性差,硬件要求高,模型设计复杂,有可能被hack,长于计算,弱于算计。
深度学习框架比较
框架 | 语言 语言 | 文档 资料 | CNN 兼容 | RNN 兼容 | 上手 难易 | 速度 | 并行 支持 | Kera s兼容 | 支持团队 |
Theano | Python/ C++ | ++ | ++ | ++ | + | ++ | + | + | 蒙特利尔大学 |
Tensor Flow | Python | +++ | +++ | ++ | +++ | ++ | ++ | + | |
Torch | Lua, Python | + | +++ | ++ | ++ | +++ | ++ |
|
|
Caffe | C++ | + | ++ |
| + | + | + |
| 贾扬清 |
|
|
|
|
|
|
|
|
| 加州伯克利 |
MXNet | Python, R, Julia | ++ | ++ | + | ++ | ++ | +++ | +? | 李沐, Amazon |
Neon | Python | + | ++ | + | + | ++ | + |
| Intel |
CNTK | C++ | + | ++ | +++ | + | ++ | + |
| Microsoft
|
TensorFlow介绍
TensorFlow是一个基于数据流编程(dataflow programming)的符号数学系统,被广泛应用于各类机器学习(machine learning)算法的编程实现,其前身是谷歌的神经网络算法库DistBelief 。
工作方式
1.构建方程
2.参数带入
实例
一些深度学习基本概念
神经元
卷积核-图像处理基本算子
应用
生成-注意力图
生成-分割图