第2章 图像识别前置技术
主流的深度学习平台、如何搭建本书推荐的开发环境以及图像识别的前置技术Numpy。图像处理的大部分场景都需要将图像转换成向量（或者矩阵）以便于进行后续的图像识别处理。
Numpy包中提供了非常好的矩阵运算，因此，学习并掌握Numpy，在后续的图像识别学习中会起到重要作用。
2.1 深度学习框架
近几年，深度学习技术的大爆炸式发展，除了理论方面的突破外，还有基础架构的突破，这些都奠定了深度学习繁荣发展的基础。
2.1.1 Theano
Theano是一个Python库，可用于定义、优化和计算数学表达式，特别是多维数组（numpy.ndarray）。
Theano可以高效地运行于GPU或CPU中。
随着Tensorflow在Google的支持下强势崛起，Theano日渐式微，使用Theano的人也越来越少。
对于深度学习新手，可以使用Theano来练手；但对于职业开发者，建议使用Tensorflow。
2.1.2 Tensorflow
Tensorflow编程接口支持Python和C++。随着1.0版本的公布，Java、Go、R和Haskell API的alpha版本也得到支持。
Tensorflow还可在Google Cloud和AWS中运行。
Tensorflow还支持Windows 7、Windows 10和Windows Server 2016。
由于Tensorflow使用C++Eigen库，所以库可在ARM架构上进行编译和优化。这也就意味
着用户可以在各种服务器和移动设备上部署自己的训练模，而无须执行单独的模型解码器或者加载Python解释器。
作为当前最流行的深度学习框架，Tensorflow获得了极大成功，但在学习过程中读者需要注意下面这些问题。
·由于Tensorflow的接口一直处于快速迭代之中，并且版本之间存在不兼容的问题，因此开发和调试过程中可能会出现一些问题（许多开源代码无法在新版的Tensorflow上运行）。
·想要学习Tensorflow底层运行机制的读者需要做好准备，Tensorflow在GitHub代码仓库的总代码量超过100万行，系统设计比较复杂，因此这将是一个漫长的过程。
·代码层面，对于同一个功能，Tensorflow提供了多种实现，这些实现良莠不齐，使用中还存在细微的区别，请读者注意，避免入坑。
另外，Tensorflow还创造了图、会话、命名空间、PlaceHolder等诸多抽象概念，对普通用户来说可能会难以理解。
Tensorflow已经成为当今最为热门的深度学习框架，虽不完美但是最流行，目前，各公司使用的框架也不统一，读者有必要多学习几个流行框架以作为知识储备，Tensorflow无疑是一个不错的选择。
2.1.3 MXNet
MXNet是亚马逊（Amazon）的李沐带队开发的深度学习框架。
它拥有类似于Theano和Tensorflow的数据流图，为多GPU架构提供了良好的配置，有着类似于Lasagne和Blocks的更高级别的模型构建块，并且可以在你想象的任何硬件上运行（包括手机）。
对Python的支持只是其功能的冰山一角，MXNet同样提供了对R、Julia、C++、Scala、Matlab、Golang和Java的接口。
MXNet以其超强的分布式支持，明显的内存、显存优化为人所称道。同样的模型，MXNet往往占用更小的内存和显存，并且在分布式环境下，MXNet展现出了明显优于其他框架的扩展性能。
MXNet的缺点是推广不给力及接口文档不够完善。MXNet长期处于快速迭代的过程中，其文档却长时间未更新，这就导致新手用户难以掌握MXNet，老用户则需要常常查阅源码才能真正理解MXNet接口的用法。
MXNet文档比较混乱导致其不太适合新手入门，但其分布性能强大，语言支持比较多，比较适合在云平台使用。
2.1.4 Keras
Keras是一个高层神经网络API，由纯Python语言编写而成，并使用Tensorflow、Theano及CNTK作为后端。Keras为支持快速实验而生，能够将想法迅速转换为结果。
Keras应该是深度学习框架之中最容易上手的一个，它提供了一致而简洁的API，能够极大地减少一般应用下用户的工作量，避免用户重复造轮子，而且Keras支持无缝CPU和GPU的相互转换。
为了屏蔽后端的差异性，Keras做了层层封装，导致用户在新增操作或是获取底层的数据信息时过于困难。
同时，过度封装也使得Keras的程序过于缓慢，许多bug都隐藏于封装之中。另外就是学习Keras十分容易，但是很快就会遇到瓶颈，因为它缺少灵活性。
另外，在使用Keras的大多数时间里，用户主要是在调用接口，很难真正学习到深度学习的内容。
Keras比较适合作为练习使用的深度学习框架，但 是因为其过度的封装导致并不适合新手学习（无法理解深度学习的真正内涵），故不推荐。
2.1.5 PyTorch
PyTorch是一个Python优先的深度学习框架，能够在强大的GPU加速的基础上实现张量和动态神经网络。
PyTorch是一个Python软件包，其提供了两种高层面的功能，具体如下。
1）使用强大的GPU加速的Tensor计算（类似于Numpy）。
2）构建基于tape的autograd系统的深度神经网络。
3）活跃的社区：PyTorch提供了完整的文档，循序渐进的指南，作者亲自维护论坛以供用户交流和求教问题。
Facebook人工智能研究院（FAIR）对PyTorch提供了强力支持，作为当今排名前三的深度学习研究机构，FAIR的支持足以确保PyTorch获得持续的开发更新，而不至于像许多由个人开发的框架那样昙花一现。
如有需要，你也可以复用你喜欢的Python软件包（如Numpy、scipy和Cython）来 扩展PyTorch。
相对于Tensorflow，PyTorch的一大优点是，它的图是动态的，而Tensorflow等都是静态图，不利于扩展。
同时，PyTorch非常简洁，方便使用。本书将选取PyTorch作为图像识别的主要实现框架。
如果说TensorFlow的设计是“Make It Complicated”，Keras的设计是“Make It Complicated And Hide It”，那么PyTorch的设计真正做到了“Keep it Simple，Stupid”。
2.1.6 Caffe
Caffe是基于C++语言编写的深度学习框架，作者是中国人贾杨清。它开放源码（具有Licensed BSD），提供了命令行，以及Matlab和Python接口，清晰、可读性强、容易上手。
Caffe存在不支持多机、跨平台、可扩展性差等问题。
Caffe2在工程上做了很多优化，比如运行速度、跨平台、可扩展性等，它可以看作是Caffe更细粒度的重构，但在设计上，其实Caffe2与TensorFlow更像。目前代码已开源。
网友评论