关于人工智能，机器学习，深度学习

三者关系：从宏观到微观。

机器学习是人工智能的一部分，深度学习是机器学习的一部分。

基础：大数据。

关于深度学习

深度学习基于神经网络，

关于神经网络：通过叠加网络层模拟人类对输入信号的特征提取。

说白了，神经网络就是一个仿生技术，仿的就是人类思考的过程，就好像给你看一堆猫的照片，最后你可以分辨不同猫的种类。把这个过程给机器执行，就叫机器学习。神经网络就如同字面意思一样，人的神经组成的网络，把这个过程交给机器去做而已。（周立波有一个关于专家的调侃：专家就是专门把那些很简单的东西搞到你听不懂）

深度：一方面指神经网络层越来越深，类比到人类就是你想的越来越多.....;另一方面指学习的能力越来越强，这一点用已知推未知解释比较好。你知道的东西越多，接受新的东西就会越快。

深度学习框架

MXNet

亚马逊官方维护的深度学习框架。其前身是cxxnet。15年迁移至MXNet。

然后就是特点，一波商业互吹：

• 采用命令式和符号式编程
• 省显存，速度快，训练效率高
• 18年推出GluonCV，专门为计算机视觉打造的工具库。

PyTorch

FaceBook官方维护的框架。基于Torch框架研发。

Torch采用Lua语言，为了便于用户使用，开发出Python接口，使用命令式编程。

Caffe/Caffe2

FaceBook维护的框架。老牌。

Caffe侧重线上产品部署，PyTorch侧重研究试错。

TensorFlow

Google维护的框架，使用广泛。拥有可视化工具TensorBord。

生态强大。

深度学习开发

语言：大部分深度学习底层框架使用C++实现，效率高。

实际开发往往选用接口语言，比如Python进行快速开发。

MXNet提供多种语言的API（Python，C++，Scala....）

关于NumPy

NumPy是Python用于科学计算的库，支持数组和矩阵运算。

大多数深度学习框架基于NumPy进行设计，因为NumPy不支持GPU运算，只支持CPU。

MXNet中的NDArray就是基于NumPy设计的，最大的不同点就是NDArray支持GPU运算。