1.什么是深度学习框架?
像Tensorflow、Caffe、Theano、MXNet、Torch和PyTorch等都是属于深度学习框架,深度学习框架不止一个,各大不同的公司或者组织、个人都可能开发一种深度学习框架,但是,不同的学习框架的一些功能实现方法不同,调用的语句也有所差异,就像是不同的编程语言,表达同样的意思写的代码也不一样。深度学习框架的作用就是降低深度学习的门槛,就是底层的东西框架已经写好了,使用者只要调用相应的程序接口就行,就像各种语言的库一样。
2.机器学习和深度学习有什么区别吗?
深度学习算是机器学习的加强版,更加自动化智能化的感觉,机器学习里面多多少少需要人工的辅助,比如选取一些特征等。此外,深度学习更适合大数据处理场景。
定义:在卷积神经网络CNN中,决定某一层输出结果中一个元素所对应的输入层的区域大小,即feature map上的一个点对应输入图上的区域。
理解图:采用卷积核C的核大小(kernel size)k=3*3,填充大小(padding size)p=1*1,步长(stride)s=2*2。(图中上面一行)对5*5的输入特征图进行卷积生成3*3的绿色特征图。(图中下面一行)对上面绿色的特征图采用相同的卷积操作生成2*2的橙色特征图。(图中左边一列)按列可视化CNN特征图,如果只看特征图,我们无法得知特征的位置(即感受野的中心位置)和区域大小(即感受野的大小),而且无法深入了解CNN中的感受野信息。(图中右边一列)CNN特征图的大小固定,其特征位置即感受野的中心位置。
感受野的计算:具体看layer1的feature map左上角带有红点的特征(可以理解为一个像素),它对应输入layer0的区域大小就是我们要计算的感受野。很显然,经过3*3卷积核卷积后,它对应layer0层上的灰色区域。