Marcos de aprendizaje profundo
Has aprendido a implementar algoritmos de aprendizaje profundo utilizando Python y NumPy casi desde cero. Me alegro de que lo hayas hecho, porque espero que entiendas lo que realmente están haciendo estos algoritmos de aprendizaje profundo. Pero encontrará que, a menos que aplique un modelo más complejo, como una red neuronal convolucional o una red neuronal recurrente, o cuando comience a aplicar un modelo muy grande, se vuelve cada vez menos práctico, al menos para la mayoría de las personas No es realista comenzar desde cero solo.
Afortunadamente, hay muchos buenos marcos de software de aprendizaje profundo que pueden ayudarlo a implementar estos modelos. Por analogía, supongo que sabes cómo hacer una multiplicación de matrices, y también debes saber programar dos matrices para multiplicar, pero cuando estás construyendo una aplicación grande, probablemente no quieras usar tu propia función de multiplicación de matrices, pero quieres Para acceder a una biblioteca de álgebra lineal numérica, será más eficiente, pero es útil si comprende cómo es la multiplicación de dos matrices. Creo que el aprendizaje profundo es muy maduro ahora. Usar algunos marcos de aprendizaje profundo será más práctico y hará que su trabajo sea más efectivo. Veamos los marcos.
Existen muchos marcos de aprendizaje profundo que pueden facilitar la implementación de redes neuronales. Hablemos de los principales. Cada marco está dirigido a un determinado usuario o grupo de desarrollo. Creo que cada marco aquí es una opción confiable para un determinado tipo de aplicación. Muchas personas han escrito artículos para comparar estos marcos de aprendizaje profundo y qué tan bien se han desarrollado estos marcos de aprendizaje profundo. , Y debido a que estos marcos están en constante evolución y mejora cada mes, si desea ver una discusión sobre los pros y los contras de estos marcos, le dejo que busque en línea, pero creo que muchos marcos son rápidos El progreso es cada vez mejor, por lo que no haré una recomendación sólida, pero compartiré con ustedes los criterios para elegir un marco.
Un criterio importante es la facilidad de programación, que incluye tanto el desarrollo como la iteración de redes neuronales, así como la configuración de productos. Para el uso real de miles o incluso cientos de millones de usuarios, depende de lo que usted quiera hacer.
El segundo criterio importante es la velocidad de ejecución, especialmente cuando se entrenan grandes conjuntos de datos, algunos marcos le permiten ejecutar y entrenar redes neuronales de manera más eficiente.
Hay otro estándar que la gente no menciona a menudo, pero creo que es muy importante si ese marco es realmente abierto. Si un marco es realmente abierto, no solo necesita código abierto sino también una buena gestión. Desafortunadamente, en la industria del software, algunas compañías tienen un historial de software de código abierto, pero la compañía mantiene el control total del software.Cuando pasaron varios años y la gente comenzó a usar su software, algunas compañías comenzaron a cerrar gradualmente los recursos que una vez estuvieron abiertos. , O transfiera la función a su servicio exclusivo en la nube. Entonces, una cosa a la que prestaré atención es si puede creer que este marco puede permanecer abierto durante mucho tiempo, en lugar de estar bajo el control de una empresa, puede optar por detener el código abierto por alguna razón en el futuro, incluso si el software ahora se basa en Lanzado en forma de código abierto. Pero al menos a corto plazo, depende de su preferencia por el lenguaje, dependiendo de si prefiere Python , Java o ** C ++ ** o lo que sea, también depende de la aplicación que esté desarrollando, ya sea visión por computadora, procesamiento de lenguaje natural o conexión por cable. Publicidad, etc., creo que los marcos múltiples aquí son buenas opciones.
El marco del programa está aquí. Al proporcionar un mayor grado de abstracción que la biblioteca de álgebra lineal numérica, cada uno de los marcos del programa aquí puede hacerlo más eficiente al desarrollar aplicaciones de aprendizaje automático profundo.
Curso PPT
