获取完整版--》请留言
框架和工具
Matlab
Matlab 即 matrix&laboratory，是一个数学软件（平台），而非一种语言或框架。其拥有自己的语法，基本数据单位是矩阵，专用于数值分析、矩阵计算、科学数据可视化、数学建模等
Octave
模仿 Matlab 设计免费开源软件，相比 Matlab 更轻量，且语法和 Matlab 兼容。
深度学习框架（配合Python/C/C++）
本质上都是函数库，对比可参考大佬对三个框架的demo
- 飞桨（PaddlePaddle）是百度的深度学习框架，入门较简单
- tensorflow 是谷歌开源并维护的深度学习框架，入门较困难，部署更方便，适合工业
- PyTorch 是Facebook开发的深度学习框架，训练更方便，适合研究
- Caffe
- mxnet
- Keras
常用标注软件
- LabelImg 目标检测
- LabelMe 目标检测、图像分割
- CVAT 图像分割
GPU
GPU的计算能力比CPU更强，适合做复杂的逻辑运算。卷积神经网络在训练和测试时需要大量的计算，使用GPU效率会更高，可能会有几百倍的差距。
建议使用 nvidia 而非 AMD 的GPU，因为很多深度学习框架是基于 nvidia 开发的
GPU本身也提供了加速能力，如 nvidia 的 TensorRT，通常先把其他框架转成 Onnx（作为转化中介的通用格式），再转成 TensorRT。
OpenCV
本身是个图像库，但也具有一些图像处理方面的深度学习内容
人工智能的历史
- 人工智能之父：图灵
提出了图灵机、图灵测试等概念 - 专家系统
假人工智能，基于人工定义规则解决特定问题 - 机器学习
通过学习数据E，在没有明确设置规则的情况下使机器提高完成任务T的能力P，并推广到未来新的数据上做出判断或预测。
相比专家系统更方便处理一些难以设置规则的复杂场景，如下棋AI、兴趣推荐、自动驾驶、CV（Computer Vision，包括图像识别、图像追踪、图像处理）、Natural Language Processing（NLP，自然语言处理）等领域 - 人工神经网络（深度学习）
弱人工智能，通常具有几千或几万个神经元（远小于人脑的几十亿）
其计算过程是黑盒，没有明确的规则。
通过对数据学习，获得预测和判断能力。
初级神经网络->浅层神经网络->深层神经网络->卷积神经网络，神经元逐步增多
近年来由于训练数据增多（手机、网络等的普及），GPU等硬件计算力变强（支持更多的神经层和参数），算法的创新优化，让深度学习快速发展
