首先,笔者也是刚入门,一些概念还不清晰。
从好友那里,咨询到了一大堆的信息,目前,还形不成体系,为免忘记,先记录零星随笔,并在之后,持续对文章修正、升级。
感谢,吾的好友: 万能宝宝 。
不辞辛劳,对一个门外汉,长时间的入微讲解。铭感五内,万分感激。😃
-
机器学习:识别一张图片是否属于哪一类别,类别是人为提前划定好的,会用到 贝叶斯 算法。
-
深度学习:识别是否一只猫、狗、一辆汽车,以及什么车型,什么品牌等。会用到 神经网络 等。
-
深度学习,工程化流程:特征工程 => 标定 => 训练 => 调优 => 预测/推断。
-
深度学习,平台/框架:Pytorch、TensorFlow、Deep Learning。
-
机器学习,平台/框架:Sklearn、MLlib。
AI 一词,是一套服务的最上部,其底层 由一大套 深度学习、机器学习 等支撑。
盗取好友一张图:
文章,目前还停留在名词记录,和解释上 ~
-
TensorFlow、Pytorch 都有对应的容器化方案,进而 K8 编排化,TensorFlow 更是有 Google 官方的 KubeFlow 项目做支持。写作本文时,其已发布到 1.2.0 release 版。
-
TensorFlow 已经有了自己的 UI 层 TF Serving,可用于模型提交。
-
不同方案间的模型 一般 不通用,但 TensorFlow、Pytorch 间可通过 ONNX 项目做格式转换,会丢失精度,但不严重。
-
针对 TensorFlow,在做 在线预测工程时,可以使用 NVIDIA 推出的 TensorRT 进行加速,其加速效果会有 10倍以上。