深度学习
深度学习(DL, Deep Learning)是机器学习(ML, Machine Learning)领域中一个新的研究方向,它被引入机器学习使其更接近于最初的目标——人工智能(AI, Artificial Intelligence)。
深度学习是学习 样本数据的内在规律和表示层次 ,这些学习过程中获得的信息对诸如文字,图像和声音等数据的解释有很大的帮助。它的最终目标是让机器能够像人一样具有分析学习能力,能够识别文字、图像和声音等数据。 深度学习是一个复杂的机器学习算法,在 语音和图像识别方面取得的效果 ,远远超过先前相关技术。
深度学习在搜索技术,数据挖掘,机器学习,机器翻译,自然语言处理,多媒体学习,语音,推荐和个性化技术,以及其他相关领域都取得了很多成果。深度学习使机器模仿视听和思考等人类的活动,解决了很多复杂的模式识别难题,使得人工智能相关技术取得了很大进步。
二、tensorflow
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。
Tensorflow拥有多层级结构,可部署于各类服务器、PC终端和网页并支持**GPU和TPU**高性能数值计算,被广泛应用于谷歌内部的产品开发和各领域的科学研究。
TensorFlow由谷歌人工智能团队谷歌大脑(Google Brain)开发和维护,拥有包括TensorFlow Hub、TensorFlow Lite、TensorFlow Research Cloud在内的多个项目以及各类应用程序接口(Application Programming Interface, API)** [2]** 。自2015年11月9日起,TensorFlow依据阿帕奇授权协议(Apache 2.0 open source license)开放源代码。
三、官网
官网学习地址:**https://tensorflow.google.cn/
四、总结
总体讲,深度学习是机器学习的延生。他是基于机器学习,在进行深化。通过 样本数据训练、学习 。从而预测想要的结果。而TensorFlow是谷歌花了很多的精力打造出来的一套关于深度学习的框架。他主要使用方式是用于图像和语音识别。
优点:架构好、跨平台、接口丰富、易部署、更加灵活。
缺点:性能,框架偏重。
其他深度学习框架:PaddlePaddle、Caffe、Theano、MXNet、Torch和PyTorch