0
点赞
收藏
分享

微信扫一扫

AI学习---深度学习&TensorFlow安装

AI学习---深度学习&TensorFlow安装


深度学习

  •   深度学习学习目标:

     1、 TensorFlow框架的使用

     2、 数据读取(解决大数据下的IO操作) + 神经网络基础

     3、 卷积神经网络的学习 + 验证码识别的案例


  机器学习与深度学习的区别



机器学习与深度学习的区别

    1 特征提取方面

    2 数据量和计算性能要求
    3 算法代表


例如:

   机器学习: 数据输入 –》 人工进行特征工程(需要大量专业领域知识) –》 分类算法计算 –》 得出结论

   深度学习: 数据数据 –》 神经网络(通过将数据进行层层传递创建模型,自动完成特征提取)  -》 得出结论

AI学习---深度学习&TensorFlow安装_机器学习​​

AI学习---深度学习&TensorFlow安装_tensorflow_02​​


机器学习与深度学习的区别(一) ---特征提取方面

AI学习---深度学习&TensorFlow安装_机器学习_03​​




机器学习与深度学习的区别(二) ---数据量和计算性能要求

     随着数据量的增加,机器学习的性能就会下降,相反,深度学习的性能会更好

AI学习---深度学习&TensorFlow安装_机器学习_04​​


机器学习与深度学习的区别(三) ---算法代表

     机器学习:K-近邻、朴素贝叶斯、决策树、算法森林

     深度学习:神经网络(图像,语音识别等)


深度学习的应用场景

   图像识别 + 自然语言处理 + 语音识别等

AI学习---深度学习&TensorFlow安装_tensorflow_05​​


机器学习框架介绍

  • 深度学习框架对比

TensorFlow: 基于C++开发,但是Python可以调用,谷歌开源,难,适用于生产部署

PyTorch:  基于Python开发,是Torch的升级版,原Torch是基于lua(音译:鲁拉),FaceBook开发,中等,适用于学术研究

Caffe: 基于C++开发,适合处理静态图片

AI学习---深度学习&TensorFlow安装_机器学习_06​​

AI学习---深度学习&TensorFlow安装_机器学习_07​​

  • TensorFlow的特点

   1. 高度灵活,不仅可以神经网络算法研究,也可以普通机器学习算法

   2. C++实现,保证性能,python可以封装启用

   3. 设备启用,支持各种硬件

   4. Tensorboard的可视化,Tensorboard是TensorFlow的一组Web应用,用于监控TF的运行过程

AI学习---深度学习&TensorFlow安装_机器学习_08​​

  • TensotFlow的安装

  可以基于CPU和GPU进行不同版本的安装

1、 CPU版本

Win7的安装:

pip3 intall tensorflow

AI学习---深度学习&TensorFlow安装_机器学习_09​​

其他环境:

AI学习---深度学习&TensorFlow安装_tensorflow_10​​



2、GPU

AI学习---深度学习&TensorFlow安装_深度学习_11​​


  • CPU和GPU的对比

      CPU综合能力强,核芯数量更少,每个核速度更快,性能更强,适用于处理连续性的任务

      GPU的专业技能强,核芯数量更多,每个核速度较慢,更适合并行任务,更适合图片的识别(深度学习更多的是矩阵运算,适用并行)


作者:小a玖拾柒 

-------------------------------------------

个性签名: 所有的事情到最後都是好的,如果不好,那說明事情還沒有到最後~

本文版权归作者【小a玖拾柒​】 ,欢迎转载,但未经作者同意必须保留此段声明,且在文章页面明显位置给出原文连接,否则保留追究法律责任的权利!



举报

相关推荐

0 条评论