日萌社
人工智能AI:Keras PyTorch MXNet TensorFlow PaddlePaddle 深度学习实战(不定时更新)
1深度学习的介绍
目标
1. 知道什么是深度学习
2. 知道深度学习和机器学习的区别
3. 能够说出深度学习的主要应用场景
4. 知道深度学习的常见框架
1. 深度学习的概念
**深度学习**(英语:deep learning)是机器学习的分支,是一种以人工神经网络为架构,对数据进行特征学习的一类算法。
2. 深度学习和机器学习的区别
2.1 区别1 :特征提取
从**特征提取**的角度出发:
1. 机器学习需要有人工的特征提取的过程
2. 深度学习没有复杂的人工特征提取的过程,特征提取的过程可以通过深度神经网络自动完成
2.2 区别2:数据量
从**数据量**的角度出发:
1. 深度学习需要大量的训练数据集,会有更高的效果
2. 深度学习训练深度神经网络需要大量的算力,因为其中有更多的参数
3. 深度学习的应用场景
1. 图像识别
1. 物体识别
2. 场景识别
3. 人脸检测跟踪
4. 人脸身份认证
2. 自然语言处理技术
1. 机器翻译
2. 文本识别
3. 聊天对话
3. 语音技术
1. 语音识别
2. 说话人识别
3. 语音合成
4. 常见的深度学习框架
目前企业中常见的深度学习框架有很多,TensorFlow, Caffe2, Keras, Theano, PyTorch, Chainer, DyNet, MXNet, and CNTK等等
其中tensorflow和Keras是google出品的,使用者很多,但是其语法晦涩而且和python的语法不尽相同,对于入门玩家而言上手难度较高。
所以在之后的课程中我们会使用facebook出的PyTorch,PyTorch的使用和python的语法相同,整个操作类似Numpy的操作,并且 PyTorch使用的是动态计算,会让代码的调试变的更加简单