深度学习是 AI 和机器学习的一个分支,其使用多层人工神经网络精准完成物体检测、语音识别、语言翻译等任务。深度学习与传统机器学习技术的区别在于,前者可以自动从图像、视频或文本等数据中学习表征,无需引入手写代码规则或人类的领域知识。其高度灵活的架构可以直接从原始数据中学习,获得更多数据后,其预测准确度也将随之提升。AI 领域近期的许多突破创新都应归功于深度学习,例如 Google DeepMind 的 AlphaGo、自动驾驶汽车、智能语音助手等。(NVIDIA

deep-learning-evolution.png

主流的三大深度学习框架》一文简要介绍了TensorFlow、PyTorch 和 MXNet,不过,由于 TensorFlow 和Pytorch 占据了深度学习的半壁江山,本文再再综述一下。


Google TensorFlow

TensorFlow 是一个开源软件库,用于各种感知和语言理解任务的机器学习,目前 TensorFlow 被众多团队用于研究和生产许多Google商业产品,如语音识别、Gmail、Google 相册和搜索。

TensorFlow

从2010年开始,谷歌的深度学习与人工智能科研项目团队谷歌大脑(Google Brain)创建 DistBelief 作为他们的第一代专有的机器学习系统。TensorFlow 是谷歌大脑的第二代机器学习系统。

可以在 Ubuntu、Windows、macOS 和 Raspberry Pi 系统安装 TensorFlow 官方软件包,对于 Ubuntu 和 Windows,需要安装支持 CUDA® 的显卡,才能实现 GPU 支持。或者在浏览器中使用 Colaboratory 而无需安装,Google Colab 是一个 Jupyter 笔记本环境,且完全在云端运行。


Facebook PyTorch

PyTorch 是一个开源的Python机器学习库,基于Torch,底层由C++实现,应用于人工智能领域,如自然语言处理。它最初由Facebook的人工智能研究团队开发,并且被用于Uber的概率编程软件Pyro。

PyTorch

PyTorch主要有两大特征:类似于NumPy的张量计算,可使用GPU加速;基于带自动微分系统的深度神经网络。PyTorch包括torch.nn、torch.optim等子模块。

在安装方面,官方推荐 Anaconda 软件包管理器,会安装所有依赖项。

20210522113019.png


深度学习与显卡

CUDA(Compute Unified Device Architecture)是显卡厂商NVIDIA推出的运算平台。 CUDA™是一种由NVIDIA推出的通用并行计算架构,该架构使GPU能够解决复杂的计算问题。 它包含了CUDA指令集架构(ISA)以及GPU内部的并行计算引擎。

计算行业正在从只使用CPU的“中央处理”向CPU与GPU并用的“协同处理”发展。为打造这一全新的计算典范,NVIDIA™(英伟达™)发明了CUDA(Compute Unified Device Architecture,统一计算设备架构)这一编程模型,是想在应用程序中充分利用CPU和GPU各自的优点。

v2-de206bf3d99dd16671f1ea16fa652495_r.png

想要深入学习 Tensorflow 或者 Pytorch,一块GPU是少不了的。上图 TensorFlow 的安装流程也适用于 Pytorch。

gpu-computing-applications.png

因此,用于深度学习的计算机,多会建议配置多 CUDA 的显卡。


本文由 cds 整理发布,参考 CC-BY-SA 3.0 协议共享,欢迎转载、引用或改编。
感谢您的支持,以让我们持续关注中国学子的STEAM旅程!

还不快抢沙发

添加新评论