深度学习与机器学习

       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。