国产精伦,www.色色色.con,男女操逼小视频,色99在线,三级黄色的,亚洲人在线播放,日韩成人在线电影,色小妞

導(dǎo)讀：近幾年，隨著深度學(xué)習(xí)爆炸式發(fā)展，在人工智能領(lǐng)域除了理論方面的突破外，還有基礎(chǔ)架構(gòu)的突破，它們奠定了深度學(xué)習(xí)繁榮發(fā)展的基礎(chǔ)。這其中涌現(xiàn)了幾個著名的深度學(xué)習(xí)平臺，本文將對這些平臺進行逐一介紹。

作者：杜振東涂銘

來源：大數(shù)據(jù)DT（ID：hzdashuju）

01 Theano

Theano是在BSD許可證下發(fā)布的一個開源項目，誕生于加拿大魁北克蒙特利爾大學(xué)的LISA實驗室，是用一位希臘數(shù)學(xué)家的名字命名的。

Theano是一個Python庫，可用于定義、優(yōu)化和計算數(shù)學(xué)表達式，特別是多維數(shù)組（numpy.ndarray）。在解決包含大量數(shù)據(jù)的問題時，使用Theano可實現(xiàn)比手寫C 語言更快的編程速度。而通過GPU加速，Theano甚至可以比基于CPU計算的C語言快上好幾個數(shù)量級。

Theano結(jié)合了計算機代數(shù)系統(tǒng)（Computer Algebra System，CAS）和優(yōu)化編譯器，還可以為多種數(shù)學(xué)運算生成定制的C語言代碼。對于包含重復(fù)計算的復(fù)雜數(shù)學(xué)表達式任務(wù)，計算速度很重要，因此這種CAS和優(yōu)化編譯器的組合是很有用的。

對于需要將每種不同數(shù)學(xué)表達式都計算一遍的情況，Theano能夠?qū)崿F(xiàn)編譯/解析計算量的最小化，但仍然會給出如自動微分那樣的符號特征。

在過去很長一段時間內(nèi)，Theano是深度學(xué)習(xí)開發(fā)與研究的行業(yè)標準。而且由于誕生于學(xué)界，Theano最初是為學(xué)術(shù)研究而設(shè)計的，深度學(xué)習(xí)領(lǐng)域的許多學(xué)者至今仍在使用Theano。

但隨著TensorFlow在谷歌的支持下強勢崛起，Theano日漸式微，使用的人越來越少。在這個過程中標志性事件是：Theano創(chuàng)始者之一Ian Goodfellow放棄Theano轉(zhuǎn)去谷歌開發(fā)TensorFlow了。

2017年9月28日，在Theano 1.0正式版發(fā)布前夕，LISA實驗室負責(zé)人、深度學(xué)習(xí)三巨頭之一的Yoshua Bengio宣布Theano將停止繼續(xù)開發(fā)：“Theano is Dead.”

盡管Theano正慢慢退出歷史舞臺，但作為第一個Python深度學(xué)習(xí)框架，Theano很好地完成了自己的使命，為深度學(xué)習(xí)研究人員早期拓荒提供了極大的幫助，同時也為之后深度學(xué)習(xí)框架的開發(fā)奠定了基本設(shè)計方向：以計算圖為框架的核心，采用GPU加速計算。

總結(jié)：深度學(xué)習(xí)新手可以使用Theano來練習(xí)，但對于職業(yè)開發(fā)者，建議使用其他主流深度學(xué)習(xí)框架。

02 TensorFlow

2015年11月10日，Google宣布推出全新的機器學(xué)習(xí)開源工具TensorFlow。TensorFlow最初是由Google機器智能研究部門Google Brain團隊基于Google 2011年開發(fā)的深度學(xué)習(xí)基礎(chǔ)架構(gòu)DistBelief構(gòu)建的。

TensorFlow涉及大量數(shù)學(xué)運算的算法庫，是目前使用最廣泛的機器學(xué)習(xí)工具之一。Google在大部分應(yīng)用程序中都使用TensorFlow來實現(xiàn)機器學(xué)習(xí)。例如，我們使用Google照相或Google語音搜索功能時，就是間接使用了TensorFlow模型，它們在大型Google硬件集群上工作，在感知任務(wù)方面功能強大。

TensorFlow在很大程度上可以看作Theano的后繼者，不僅因為它們有很大一批共同的開發(fā)者，更是因為它們還擁有相近的設(shè)計理念——基于計算圖實現(xiàn)自動微分系統(tǒng)。

TensorFlow編程接口支持Python和C++。隨著1.0版本的公布，相繼支持了Java、Go、R和Haskell API的alpha版本。此外，TensorFlow可在Google Cloud和AWS中運行。TensorFlow還支持 Windows 7、Windows 10和Windows Server 2016。

由于TensorFlow使用C++ Eigen庫，所以庫可在ARM架構(gòu)上進行編譯和優(yōu)化。這也就意味著用戶可以在各種服務(wù)器和移動設(shè)備上部署自己的訓(xùn)練模型，無須執(zhí)行單獨的模型解碼器或者加載Python解釋器。

作為當(dāng)前主流的深度學(xué)習(xí)框架，TensorFlow獲得了極大的成功，但在學(xué)習(xí)過程中，讀者也需要注意如下問題。

由于TensorFlow的接口一直處于快速迭代之中，并且版本之間存在不兼容的問題，因此開發(fā)和調(diào)試過程可能會出現(xiàn)問題（許多開源代碼無法在新版的TensorFlow上運行）。
想學(xué)習(xí)TensorFlow底層運行機制的讀者需要做好心理準備，TensorFlow在GitHub代碼倉庫的總代碼量超過100萬行，系統(tǒng)設(shè)計比較復(fù)雜，因此這將是一個漫長的學(xué)習(xí)過程。
在代碼層面，面對同一個功能，TensorFlow提供了多種實現(xiàn)，這些實現(xiàn)良莠不齊，使用中還有細微的差異，請讀者注意區(qū)分。另外，TensorFlow創(chuàng)造了圖、會話、命名空間、PlaceHolder等諸多抽象概念，對普通用戶來說難以理解。

總結(jié)：憑借Google強大的推廣能力，TensorFlow已經(jīng)成為當(dāng)今最炙手可熱的深度學(xué)習(xí)框架，雖不完美但是最流行。目前各公司使用的框架也不統(tǒng)一，讀者有必要多學(xué)習(xí)幾個流行框架以作為知識儲備，TensorFlow就是一個不錯的選擇。

03 Keras

Keras是一個高層神經(jīng)網(wǎng)絡(luò)API，由純Python編寫而成并使用TensorFlow、Theano及CNTK作為后端。Keras為支持快速實驗而生，能夠把想法迅速轉(zhuǎn)換為結(jié)果。Keras應(yīng)該是深度學(xué)習(xí)框架之中最容易上手的一個，它提供了一致而簡潔的API，能夠極大地減少一般應(yīng)用下用戶的工作量，避免用戶重復(fù)造輪子。

嚴格意義上講，Keras并不能算是一個深度學(xué)習(xí)框架，它更像一個構(gòu)建于第三方框架之上的深度學(xué)習(xí)接口。Keras的缺點很明顯：過度封裝導(dǎo)致喪失靈活性。

Keras最初作為Theano的高級API，后來增加了TensorFlow和CNTK作為后端。為了屏蔽后端的差異性，提供一致的用戶接口，Keras做了層層封裝，導(dǎo)致用戶在新增操作或獲取底層的數(shù)據(jù)信息時過于困難。

同時，過度封裝也使得Keras的程序執(zhí)行十分緩慢，許多Bug都隱藏于封裝之中，在絕大多數(shù)場景下，Keras是本書介紹的所有框架中運行最慢的一個。

學(xué)習(xí)Keras十分容易，但是很快就會遇到瓶頸，因為它缺少靈活性。另外，在使用Keras的大多數(shù)時間里，用戶主要是在調(diào)用接口，很難真正學(xué)到深度學(xué)習(xí)的內(nèi)容。

總結(jié)：Keras比較適合作為深度學(xué)習(xí)框架，但是過度的封裝并不適合新手學(xué)習(xí)（無法理解深度學(xué)習(xí)的真正內(nèi)涵），故不推薦。

04 PyTorch

PyTorch是一個Python優(yōu)先的深度學(xué)習(xí)框架，能夠在強大的GPU加速基礎(chǔ)上實現(xiàn)張量和動態(tài)神經(jīng)網(wǎng)絡(luò)。

PyTorch是一個Python軟件包，提供了如下兩種高層面的功能。

使用強大的GPU加速的Tensor計算（類似 Numpy）。
構(gòu)建基于tape框架的autograd系統(tǒng)深度神經(jīng)網(wǎng)絡(luò)。

除此之外，PyTorch提供了完整的官方文檔、幫助用戶循序漸進地學(xué)習(xí)的用戶指南，以及作者親自維護的論壇以供用戶交流和求教。

Facebook人工智能研究院FAIR對PyTorch提供了強力支持，作為當(dāng)今世界排名前三的深度學(xué)習(xí)研究機構(gòu)，F(xiàn)AIR的力挺足以確保PyTorch獲得持續(xù)開發(fā)、更新的支持，不至于像許多由個人開發(fā)的框架那樣只是曇花一現(xiàn)。

如有需要，你也可以使用自己喜歡的Python軟件包（如Numpy、scipy和Cython）來擴展PyTorch。

相對于TensorFlow，PyTorch有一個顯著優(yōu)點，就是它的圖是動態(tài)的，而TensorFlow是靜態(tài)的，不利于擴展。同時，PyTorch的使用非常方便。

總結(jié)：如果說TensorFlow的設(shè)計是“Make it complicated”，Keras的設(shè)計是“Make it complicated and hide it”，那么PyTorch的設(shè)計真正做到了“Keep it Simple，Stupid”。

小結(jié)：深度學(xué)習(xí)框架該如何選擇？

初學(xué)者往往糾結(jié)于選擇哪個深度學(xué)習(xí)框架作為學(xué)習(xí)的開始。在這里筆者建議初學(xué)者選擇容易上手、非過度調(diào)用接口的框架。另外對于初學(xué)者來說，所選框架應(yīng)具備易用性強、性能佳、社區(qū)完善以及平臺支持等特點。

當(dāng)今行業(yè)內(nèi)各大公司使用的框架也都不盡相同，因此初學(xué)者可以考慮掌握多個框架（比如PyTorch和TensorFlow）以應(yīng)對未來的職場要求。

關(guān)于作者：杜振東，國家標準委人工智能技術(shù)專家和AIIA（中國人工智能產(chǎn)業(yè)發(fā)展聯(lián)盟）技術(shù)專家。擁有8年機器學(xué)習(xí)與文本挖掘相關(guān)技術(shù)經(jīng)驗，6年中文自然語言處理相關(guān)項目實戰(zhàn)經(jīng)驗，擅長PyTorch、TensorFlow等主流深度學(xué)習(xí)框架，擅長運用NLP前沿技術(shù)解決真實項目的難題。

涂銘，數(shù)據(jù)架構(gòu)師和人工智能技術(shù)專家，曾就職于阿里，現(xiàn)就職于騰訊。對大數(shù)據(jù)、自然語言處理、圖像識別、Python、Java等相關(guān)技術(shù)有深入的研究，積累了豐富的實踐經(jīng)驗。

本文摘編自《會話式AI：自然語言處理與人機交互》，經(jīng)出版方授權(quán)發(fā)布。