深度學習框架TensorFlow(簡稱TF)道術:架構之道, 實戰之術, 乾貨不水, 系列文章之入門篇, 分享之, 望你喜歡。
一、TF介紹
人工智慧2.0時代:現階段屬於人工智慧2.0時代,
兩代深度學習框架:DistBelief是Google第一代深度學習框架, 誕生於2011年, 在Google語音辨識、圖像搜索等應用方面取得了不錯效果, 因DistBelief與Google內部基礎設施耦合度較高, 且入門難度較大, 不適合開源, 故未開源。 TF是Goole的第二代深度學習框架, 吸取了DistBelief精華, 並在其基礎上進行了改良, 在Google幾十個項目上取得顯著成績, 於2015年11月在GitHub上開源, 是目前最受歡迎的深度學習框架, GitHub上Star接近8W, Fork接近4W, 這得益於Google背書, 受益于AlphaGo勝利。
TF支持平臺眾多:作業系統有Linux、Mac OS、Windows、Android, 硬體有CPU、GPU、TPU, 可以在上萬台伺服器集群中部署TF,
TF內置演算法眾多:監督學習(決策樹、貝葉斯), 無監督學習(聚類、k-means), 半監督學習(未標識資料用於訓練, 標識資料用於驗證), 深度學習(卷積神經網路、迴圈神經網路), 強化學習(Q-Learning)。
TF介面種類眾多:核心代碼採用C++, 支援C++、Java、Python、Go語言介面。
TF面向用戶眾多:學生用之學習、教師用之教學、研究員用之驗算法、科學家訓練科學資料、工程師用之搭建商業ML平臺。
二、TF學習之路:
TensorFlow大咖之路:懂業務、懂原理、會研發、會運維、會貢獻
TensorFlow官網是本源:
[1] TensorFlow Home Page:
www.tensorflow.org
[2] TensorFlow GitHub Page:
https://github.com/tensorflow
[3] TensorFlow White Paper:
//download.tensorflow.org/paper/whitepaper2015.pdf
三、AI學習之路:
瞭解人工智慧發展史, 瞭解目前處於什麼發展階段:從演算法驅動到資料驅動。
瞭解人工智慧產業佈局和生態鏈:底層晶片平臺、中層通用技術、上層應用+AI和AI+。
瞭解人工智慧晶片, 從GPU、到FPGA、再到TPU。
瞭解大資料技術, 這是現階段人工智慧基礎, 瞭解雲計算, 這是人工智慧運行後端。
熟悉深度學習框架, 進行二次開發和社區貢獻:Tensorflow、Caffe、CNTK等。
熟悉機器學習演算法, 特別是深度強化學習演算法, 知道三劍客:LeCun,Bengio,Hinton。
熟悉通用技術:圖像識別、語音辨識、人機交互等。
熟悉上層應用領域:汽車、安防、教育、征信、農業、傳媒、晶片等。
熟悉基礎數學知識:高數、線性代數、概率論等。
未名小宇宙, 一直在您身邊, 歡迎關注!