锐客网

  1. 首页 > 生活百科 > it技术 > >

python函数学习深度 python入门函数( 二 )

IT技术学习


Theano很好地整合了Numpy，可以直接使用Numpy的Ndarray，使得API接口学习成本大为降低;其计算稳定性好，可以精准地计算输出值很小的函数;可动态地生成C或者CUDA代码，用来编译成高效的机器代码 。
第三：TensorFlow
TensorFlow是相对高阶的机器学习库，其核心代码使用C++编写，并支持自动求导，使得用户可以方便地设计神经网络结构，不需要亲自编写C++或CUDA代码，也无须通过反向传播求解梯度 。由于底层使用C++语言编写 ， 运行效率得到了保证 ， 并简化线上部署的复杂度 。
TensorFlow不只局限于神经网络，其数据流式图还支持非常自由的算法表达，也可以轻松实现深度学习以外的机器学习算法 。
第四：Keras
Keras是一个高度模块化的神经网络库，使用Python实现，并可以同时运行在TensorFlow和Theano上 。
Keras专精于深度学习，其提供了到目前为止最方便的API，用户仅需将高级的模块拼在一起便可设计神经网络，大大降低了编程开销与理解开销 。
13个最常用的Python深度学习库介绍13个最常用的Python深度学习库介绍
如果你对深度学习和卷积神经网络感兴趣，但是并不知道从哪里开始 ， 也不知道使用哪种库，那么这里就为你提供了许多帮助 。
在这篇文章里，我详细解读了9个我最喜欢的Python深度学习库 。
这个名单并不详?。皇俏以诩扑慊泳醯闹耙瞪闹惺褂貌⒃谀掣鍪奔涠畏⑾痔乇鹩杏玫囊桓隹獾牧斜?。
这其中的一些库我比别人用的多很多，尤其是Keras、mxnet和sklearn-theano 。
其他的一些我是间接的使用，比如Theano和TensorFlow（库包括Keras、deepy和Blocks等） 。
另外的我只是在一些特别的任务中用过（比如nolearn和他们的Deep Belief Network implementation） 。
这篇文章的目的是向你介绍这些库 。我建议你认真了解这里的每一个库，然后在某个具体工作情境中你就可以确定一个最适用的库 。
我想再次重申，这份名单并不详尽 。此外，由于我是计算机视觉研究人员并长期活跃在这个领域，对卷积神经网络（细胞神经网络）方面的库会关注更多 。
我把这个深度学习库的列表分为三个部分 。
第一部分是比较流行的库，你可能已经很熟悉了 。对于这些库，我提供了一个通俗的、高层次的概述 。然后，针对每个库我详细解说了我的喜欢之处和不喜欢之处 ， 并列举了一些适当的应用案例 。
第二部分进入到我个人最喜欢的深度学习库，也是我日常工作中使用最多的，包括：Keras、mxnet和sklearn-theano等 。
最后，我对第一部分中不经常使用的库做了一个“福利”板块，你或许还会从中发现有用的或者是在第二板块中我还没有尝试过但看起来很有趣的库 。
接下来就让我们继续探索 。
针对初学者：
Caffe
提到“深度学习库”就不可能不说到Caffe 。事实上，自从你打开这个页面学习深度学习库，我就敢打保票你肯定听说Caffe 。
那么，究竟Caffe是什么呢？
Caffe是由Berkeley Vision and Learning Center（BVLC）建立的深度学习框架 。它是模块化的，速度极快 。而且被应用于学术界和产业界的start-of-the-art应用程序中 。
事实上，如果你去翻阅最新的深度学习出版物（也提供源代码），你就很可能会在它们相关的GitHub库中找到Caffe模型 。
虽然Caffe本身并不是一个Python库 ， 但它提供绑定到Python上的编程语言 。我们通常在新领域开拓网络的时候使用这些绑定 。
我把Caffe放在这个列表的原因是它几乎被应用在各个方面 。你可以在一个空白文档里定义你的模型架构和解决方案，建立一个JSON文件类型的.prototxt配置文件 。Caffe二进制文件提取这些.prototxt文件并培训你的网络 。Caffe完成培训之后，你可以把你的网络和经过分类的新图像通过Caffe二进制文件，更好的就直接通过Python或MATLAB的API 。

推荐阅读


上一篇：xr升ios14怎么样，xr升16系统怎么样

下一篇：u盘自动播放文件怎么关闭，u盘取消自动播放