人工知能、機械学習、深い学習
三つの関係：マクロからミクロへ。
機械学習は人工知能の一部であり、深い学習は機械学習の一環です。
基本：ビッグデータ。
深い学習について
ニューラルネットワークに基づく深さの調査、
そしてニューラルネットワーク：ヒトアナログネットワークレイヤを重畳することにより、入力信号の特徴を抽出します。
端的に言えば、ニューラルネットワークは、バイオニック技術であり、あなたは猫の写真の束を見たら模倣は、人類の思考のプロセスであり、そして最後に、あなたは猫の異なるタイプを区別することができます。機械学習と呼ばれるマシンにこのプロセスの実装、。ニューラルネットワークは、同じように文字通り人々の神経のネットワークとして、このプロセスは、それを行うには、マシンに引き渡されます。（周は専門家についての笑いを持っていた：専門家は、あなたが理解していない取得するために、これらの非常にシンプルなものに専用されています）
深さ：人間のアナロジーは、あなたがより多くしたいということであるに一方では.....深く深くニューラルネットワーク層を意味する。一方、未知を説明押し込むことが知られているより多くの強力な学習能力を指し、より良いです。より多くのあなたが速くなり、新しいものを受け入れるために、何かを知っています。
深学習フレームワーク
MXNet
公式のメンテナンスアマゾン深学習フレームワーク。前身はcxxnetました。15年にはMXNetに移動しました。
そのクロス吹きビジネスの波の特徴です。
- 命令型プログラミングと記号を使用して
- トレーニングの省メモリ、高速かつ効率
- 18は、ツールのライブラリを作成するために、具体的なコンピュータビジョンのために、GluonCVを開始しました。
PyTorch
公式Facebookのメンテナンスの枠組み。研究開発に基づくトーチフレームワーク。
命令型プログラミングを使用して、ユーザーの便宜のために、Pythonインタフェースの開発を使用してトーチのLua、。
カフェ/ Caffe2
Facebookのメンテナンスの枠組み。古いです。
カフェは、オンライン製品展開、PyTorchの研究指向の試行錯誤に焦点を当てました。
TensorFlow
Googleは広く使われているフレームワークを維持しています。これは、可視化ツールTensorBordを持っています。
エコ強力。
ディープラーニング開発
言語：高効率を達成するためにC ++を使用して基礎となる深い学習フレームワークのほとんど。
実際の開発は、多くの場合、このような急速な発展のためのPythonなどのインターフェース言語を、選択します。
MXNet多言語のAPIを提供（PythonやC ++、スカラ....）
numpyの概要
numpyのは、科学技術計算用のPythonライブラリであり、行列演算のアレイを支持します。
numpyのは、GPUコンピューティングがサポートされていないため、numpyの設計に基づいて、最も深い学習フレームワークは、CPUのみをサポートしています。
MXNetがNDArrayでnumpyの設計に基づいており、最大の違いは、そのNDArrayサポートGPUコンピューティングです。