一文带你了解深度学习与PyTorch
基础知识Q&A
1、 深度学习、机器学习与人工智能关系：
深度学习属于机器学习的一部分，机器学习属于人工智能的一部分；
因为神经网络通常层的数量十分庞大，所以利用神经网络学习的方式称为深度学习。
2、 机器学习 vs 传统编程：
机器学习：数据+答案—>机器学习=>规则+新数据=答案
传统编程：数据+规则—>经典编程=答案
3、 传统机器学习 vs 深度学习：
传统机器学习需要使用人工提取的特征（特征工程）来训练算法，且面对高维数据有很大的挑战；深度学习使用现代技术自动提取这些特征，每一层都基于前一层的数据表示进行训练。
4、 较深入学习深度学习需具备理学科知识：
线性代数、微积分、统计学（概率论）、最优化理论等。
5、 为何现在深度学习如此流行？
硬件可用性(计算支持)： GPU新型硬件的出现使得可以完成大规模数学运算，如矩阵乘法；云服务。
数据与算法： 过去收集到了大量数据，特别是文本、图片、视频和音频，还有一些流行的数据集；算法有VGG、CNN等等。
深度学习框架：主流框架有 Tensorflow、Keras 和 Pytorch 等等，其中 Pytorch 使用动态计算，在构建复杂架构时有更高灵活性。
6、 用python做机器学习或深度学习需要的最基本的几个库？
numpy：支持大量的维度数组与矩阵运算，是针对数组运算的Python库
pandas：提供快速，灵活和富于表现力的数据结构
matplotlib：数据可视化，结果可视化的绘图工具
pytorch：主流深度学习框架之一
sklearn：机器学习的主流框架之一
os: 用于文件的读入输出等
scipy:加快计算
深度学习工作流
**后续逐渐加更。。。。。**
441
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
