美文网首页
Pytorch机器学习——1 深度学习介绍

Pytorch机器学习——1 深度学习介绍

作者: 辘轳鹿鹿 | 来源:发表于2022-03-27 16:40 被阅读0次

outline

  1. 人工智能、机器学习与深度学习
  2. 深度学习工具介绍

1. 人工智能、机器学习与深度学习

  • AI:研究如何能让计算机模拟人类的智能,来实现特定的依赖人类智能才能实现的任务(例如学习、语言、识别)

  • AI历史:

    • 1818,Mary Shelly对于复制人体的想象
    • 1950,完整提出了计算机智能的概念、评估智能的测试——图灵测试
    • 1956,Darmouth会议正式提出人工智能这个名字
    • 20世纪50年代到90年代,经历了两次人工智能寒冬
    • 2000年后,拥有了期盼已久的大数据和足够快的硬件处理能力的支持
    • 2010, 深度学习出现之后,给人工智能领域带来了一场革命,大大加快了人工智能领域的研究。
  • AI学派(每种学派所有的方法不同,尝试解决的问题也不同):

    • 符号主义:源自于数理逻辑->知识图谱
    • 连接主义(机器学习)
      • 最早的模型——感知机
      • 基于统计学的方法:决策树、支持向量机、逻辑回归等
      • 深度学习是使用深度神经网络来实现机器学习的方法。以图像识别为例,图像可以被裁剪成很多小块,然后输入到神经网络的第一层,接着第一层再向后面的层传到,每层做不同的任务,然后最后一层完成预测。(ILSVRC竞赛ImageNet Large Scale Visual Recognition Challenge)

机器学习是从数据中自动学习模型,并使用学习到的模型去进行预测。这与传统计算机科学中面对数据提前编程有本质区别

  • 深度学习成功的原因
    • 规则系统(人工设计规则)->传统机器学习(人工设计特征)->特征学习(将原始数据转换成为能够被机器学习来有效开发的一种形式)->深度学习(输入简单特征,可自动得到高级抽象特征)
    • 大数据
    • 硬件飞速发展

2. 深度学习工具介绍

  • Theano:2008年提出,可用于定义、优化和计算数学表达式,特别是多维数组。支持GPU加速。2017年停止开发,为后来的深度学习框架开发奠定了方向——以计算图为框架的核心,采用GPU加速计算

  • TensorFlow:Google2015年推出,主要用于机器学习和深度神经网络研究。对开发不是很友好,但方便部署(可以在各种平台上运行),在工业上应用广泛。打印中间结果需借助Session,或tfgdb工具

  • Caffe/Caffe2:是一个计算CNN相关算法的框架。写Caffe代码的体验就像是在写一个文档而不是代码,好处是更加清晰直观,挑战是在动手之前需要对网络的结构有清晰的架构。适合工业部署。

  • MXNet:分布式性能强大

  • CNTK(认知工具集):在语音识别领域的效果比较显著

  • Keras:纯Python编写,Keras并不能称为一个深度学习框架,

  • PaddlePaddle(百度)

相关文章

网友评论

      本文标题:Pytorch机器学习——1 深度学习介绍

      本文链接:https://www.haomeiwen.com/subject/eohsjrtx.html