学习笔记2

TensorFlow 是由 Google Brain 团队为深度神经网络（DNN）开发的功能强大的开源软件库，还有很多其他的深度学习库，如 PyTorch、Theano、Caffe 、PaddlePaddle等

Keras 是一个用 Python 编写的高级神经网络 API，

它能够以 TensorFlow, CNTK, 或者 Theano 作为后端运行。

keras深度学习API

图像变成numpy对象，图像处理变成对数组处理，np.asarray()方法

卷积网络笔记

神经网络区别于卷积神经网络，前者对图像进行整体处理，一个flatten后的图像128个数，为了得到最后的结果，在128个数与结果之间添加相乘的几个矩阵，而后者多次使用卷积核与池化（pooling，下采样缩小图像尺寸）来得到想要的结果。

在特征图的选用，更多数的应用选择same，通过给图像边缘补零实现特征提取后的特征图大小与原图一致，而不是valid会缩小特征图尺寸，这里可以应用残差网络用来弥补丢失的原图信息。

通过对比代码，keras比tensorflow更简洁好用。

人工智能两大部署

原装部署，即人工智能芯片的部署，它有自己的神经网络编译器，比较省心。

嵌入式部署，一个难点，需要考虑芯片内存与是否支持池化，查看硬件参数，支持哪些算子。

=================由此在我们的树莓派项目应该也需要查找适配的编译器及适配算子？

计算机视觉

讨论的问题可分两类，分类----是什么，回归-----在哪里，这两个问题的关键是损失函数的不同。

总结

深度学习模型的结构大同小异，重点在于参数的调配。

在确定算法的参数之前，需要考虑树莓派的硬件参数是否能够支持。

接下来还是要把paddle上的项目模型学习一下，了解如何开发树莓派。