1樓：泥涵亮
比如神經網路caffe基於c++做的，主要的還是深度學習的原理要好好學習，會用，機器學習的一些知識，裡面**都是現成的，看得懂就行了，bp演算法
深度學習框架 應該學幾個嗎
2樓：泥涵亮
比如神經網路caffe基於c++做的，主要的還是深度學習的原理要好好學習，會用，機器學習的一些知識，裡面**都是現成的，看得懂就行了，bp演算法
初學深度學習選擇哪個框架
3樓：czm信念
大部分深度學習框架都包含以下五個核心元件：
1. 張量（tensor）
2. 基於張量的各種操作
3. 計算圖（computation graph）4. 自動微分（automatic differentiation）工具
5. blas、cublas、cudnn等拓展包
寫乙個像keras的深度學習框架需要學習哪些知識
4樓：陽光語言矯正學校
寫過乙個小的toolbox，曾經有和題主一樣的想法，分享一下。
個人看法:keras不能算是框架，只能算是乙個warpper，整合了一些標準化的th/tf函式。
真正的框架應該是th/tf/caffe這樣的。它們在底層實現了io、cpu/gpu管理、張量定義和操作以及symbolic體系，構建了乙個適用於深度學習的科學計算體系。
如果你要做的是keras/tflearn/tensorlayer這樣的high-level的框架(或者說api)，那麼最基本的是深入了解乙個底層框架比如tf，你需要用它來寫高效的、標準化的層，寫模組化的介面並整合一些其他元件構成乙個框架。
如果你要做的是th/tf這樣的底層框架，那麼你需要具備手寫dl演算法的能力，包括feedfoward、反向求導、update，各種損失函式、optimizer。你還需要精通cuda程式設計，了解cudnn庫……
實現symbolic應該算是乙個大難點。
初入深度學習框架，應該從哪個開始入手
5樓：鍥嶃棝
比如神經網路caffe基於c++做的，主要的還是深度學習的原理要好好學習，會用，機器學習的一些知識，裡面**都是現成的，看得懂就行了，bp演算法
深度學習是需要掌握什麼基礎，才能學習？
深度學習需要哪些基礎知識？
6樓：匿名使用者
深度學習預備知識：數學基礎（線性代數、矩陣、概率統計、優化等等）、機器學習基礎、程式設計基礎；神經網路、深度網路結構、影象任務、語音任務、自然語言任務；如何使用深度學習框架，完成網路的搭建、訓練。
7樓：中公教育it優就業
如果想學習
bai深度學習的話，首先需要有du
程式設計基礎，如果沒有zhi程式設計基礎那麼dao是相對困難的。
以優版就業深度學習課程為權例，課程中還要學習迴圈神經網路原理，人工神經網路及卷積神經網路原理，生成式對抗網路等，還包含了專案實戰，如果有興趣可以了解了解。
8樓：cc看電影
數學基礎和程式設計基礎都很重要
9樓：測試高階使用者
高等數學，線性代數，概率論與數理統計，這些都是要掌握的
10樓：我心有猛虎
學習深度學習需制要有python程式設計基bai礎。在深度學習領域du，python 被視作最為簡潔和直接的指令碼程式設計語zhi言，被科研領域和工程領域廣泛採用。dao所以有python基礎的話，學起來會比較容易專，但是之後的課程也有難點，還需要你認真屬去學習。
11樓：匿名使用者
至少2年的程式設計經驗，最好會 python 語言基本的機器學習知識，版尤其是深度學習
基本的統權計學知識，理解平均值、方差、標準差等線性代數，理解向量、矩陣等
微積分學，理解微分、積分、偏導函式等
中公教育新出了深度學習的網課，可以關注一下
12樓：夢逍遙
1.線性分類器得分函式
2、線性分類器的理解---空間劃分
3、損失函式 lossfunction/costfunction--衡量吻合程度
4.最優化和梯度下降
13樓：esc__殤
高等數學，線性代數，概率論與數理統計等等，聽說中公聯合中科院推出了深度學習課程
什麼叫做深度學習框架，其作用是什麼
14樓：匿名使用者
深度學習框架也就像caffe、tensorflow這些幫助你進行深度學習的工具，簡單來說就是庫，程式設計時需要import caffe。
作乙個簡單的比喻，一套深度學習框架就是這個品牌的一套積木，各個元件就是某個模型或演算法的一部分，你可以自己設計如何使用積木去堆砌符合你資料集的積木。
好處是你不必重複造輪子，模型也就是積木，是給你的，你可以直接組裝，但不同的組裝方式，也就是不同的資料集則取決於你。
深度學習框架的出現降低了入門的門檻，你不需要從複雜的神經網路開始編**，你可以依據需要，使用已有的模型，模型的引數你自己訓練得到，你也可以在已有模型的基礎上增加自己的layer，或者是在頂端選擇自己需要的分類器。
當然也正因如此，沒有什麼框架是完美的，就像一套積木裡可能沒有你需要的那一種積木，所以不同的框架適用的領域不完全一致。
15樓：kf寬泛科技
深度學習框架是一種為了深度學習開發而生的工具，庫和預訓練模型等資源的總和。有了這種框架，看似複雜神秘的深度學習模型開發被大大簡化，成為ai開發者的必用利器。
目前，tensorflow和pytorch明顯領先，其他框架勢微。如下圖所示，基於tensorflow和pytorch的開源專案，明顯領先其它框架。注：
keras不算完整的ai框架，另外kerasapi已經成為tf2.0的高層api。
tensorflow 是市場需求最多，也是增長最快的框架，它的領先地位不會在短期內被顛覆。 pytorch 也在迅速發展，尤其在學術界，越來越多的****基於pytorch。它在工作列表中的大量增加證明了其使用和需求的增加。
tensorflow和pytorch兩種框架未來相當時間內會趨同共存。現在pytorch的在學術界廣泛採用；而tensorflow依賴強大的部署能力，是應用首選。未來tensorflow2.
0大大提高易用性（整合keras，支援動態庫eagerexecution等）; pytorch也在利用onnx提高部署能力。tensorflow和pytorch會越來越趨同。
tensorflow和pytorch已是未來幾年最主流的深度學習框架。圍繞這兩種框架的軟，硬體，和開發者生態將會迅猛發展，新框架越來越難以成長，其他框架差距越來越大。
python的深度學習框架有哪些？
16樓：中公教育it優就業
中公教育聯合中科院專家打造的深度學習分八個階段進行學習：
第一階段ai概述及前沿應用成果介紹
深度學習的最新應用成果
單層/深度學習與機器學習
人工智慧的關係及發展簡
第二階段神經網路原理及tensorflow實戰梯度下降優化方法
前饋神經網路的基本結構和訓練過程
反向傳播演算法
tensorflow開發環境安裝
「計算圖」程式設計模型
深度學習中影象識別的操作原理
第三階段迴圈神經網路原理及專案實戰
語言模型及詞嵌入
詞嵌入的學習過程
迴圈神經網路的基本結構
時間序列反向傳播演算法
長短時記憶網路（lstm）的基本結構
lstm實現語言模型
第四階段生成式對抗網路原理及專案實戰
生成式對抗網路（gan）的基本結構和原理
gan的訓練過程
gan用於**生成的實現
第五階段深度學習的分布式處理及專案實戰
多gpu並行實現
分布式並行的環境搭建
分布式並行實現
第六階段深度強化學習及專案實戰
強化學習介紹
智慧型體agent的深度決策機制（上）
智慧型體agent的深度決策機制（中）
智慧型體agent的深度決策機制（下）
第七階段車牌識別專案實戰
資料集介紹及專案需求分析
opencv庫介紹及車牌定位
車牌定位
車牌識別
學員專案案例評講
第八階段深度學習前沿技術簡介
深度學習前沿技術簡介
元學習遷移學習等
詳情檢視深度學習。
17樓：老男孩教育
theano、caffe 、pytorch 等。
深度學習是什麼，深度學習是學什麼？
深度學習是一種機器學習的方法，它試圖使用包含複雜結構或者由多重非線性變換構成的多個處理層 神經網路 對資料進行高層抽象的演算法。深度學習可以理解為神經網路的發展，神經網路是對人腦或生物神經網路基本特徵進行抽象和建模，可以從外界環境中學習，並以與生物類似的互動方式適應環境。在我們這裡學習深度學習，可以...
Python的深度學習框架有哪些
中公教育it優就業 中公教育聯合中科院專家打造的深度學習分八個階段進行學習 第一階段ai概述及前沿應用成果介紹 深度學習的最新應用成果 單層 深度學習與機器學習 人工智慧的關係及發展簡 第二階段神經網路原理及tensorflow實戰梯度下降優化方法 前饋神經網路的基本結構和訓練過程 反向傳播演算法 ...
優就業深度學習都學什麼，優就業的深度學習學了之後能做什麼？
奈何月光熹微 整個課程涉及的行業知識點是非常多的。具體來看看有哪些 ai概述及前沿應用成果介紹 人工神經網路及卷積神經網路原理及 tensorflow實 戰迴圈神經網路原理及專案實戰 生成式對抗網路原理及專案實戰 深度學習的分散式處理及專案實戰 深度強化學習及專案實戰 企業級專案實戰 車牌識別專案實...