本文主要介绍PyTorch的基础知识,PyTorch的优点,案例,PyTorch和Tensorflow的对比,让我们对PyTorch的框架有一个基本的了解。
-
1.1 为什么要选择学习PyTorch(PyTorch的优点)?
- 活跃度:逐渐形成了完整的开发生态,资源多
- 框架的优雅性
- 对于初学者的友好型
- 采用动态图的架构,且运行速度较快
- 代码简介,易于理解,设计优雅,易于调试
- 要有线性代数,优化理论,机器学习,深度学习基础
-
在学习中遇到的困难?
- 深度学习框架太多不知道如何选择
- 开源代码很多,但阅读和修改起来很吃力
- 解决实际工程任务时,思路不清晰,不知道如何入手
- 学术方向选择困难,不知如何开始
-
1.2 PyTorch的一些案例
-
2.1 pytorch框架
- Facebook人工智能研究员(FAIR)于2017年再GitHub上开源
- Torch -> PyTorch
-
2.2 PyTorch VS Tensorflow
-
PyTorch 简洁性(编程同Python几乎一致)
- 动态计算
- visdom
- 部署不方便
-
Tensorflow(1.0) 接口复杂
- 静态图(TF2.0 Eager Execution已经引入动态图)
- Tensorboard
- 部署方便(TF serving)
-
-
2.3 动态图与静态图
- 动态图就是在编程的时候可以一边编程一边执行,对于静态图,需要先构图,构图就是需要先将网络结构设计好,然后才能在后端运行我们的网络
- 动态图:编号程序即可执行
- 静态图:先搭建计算图,后运行;允许编译器进行优化;代码编程复杂,调试不直观
最后
为了帮助大家更好的学习人工智能,这里给大家准备了一份人工智能入门/进阶学习资料,里面的内容都是适合学习的笔记和资料,不懂编程也能听懂、看懂,所有资料朋友们如果有需要全套人工智能入门+进阶学习资源包,可以在评论区或扫.码领取哦)~
在线教程
- 麻省理工学院人工智能视频教程 – 麻省理工人工智能课程
- 人工智能入门 – 人工智能基础学习。Peter Norvig举办的课程
- EdX 人工智能 – 此课程讲授人工智能计算机系统设计的基本概念和技术。
- 人工智能中的计划 – 计划是人工智能系统的基础部分之一。在这个课程中,你将会学习到让机器人执行一系列动作所需要的基本算法。
- 机器人人工智能 – 这个课程将会教授你实现人工智能的基本方法,包括:概率推算,计划和搜索,本地化,跟踪和控制,全部都是围绕有关机器人设计。
- 机器学习 – 有指导和无指导情况下的基本机器学习算法
- 机器学习中的神经网络 – 智能神经网络上的算法和实践经验
- 斯坦福统计学习
😝有需要的小伙伴,可以点击下方链接免费领取或者V扫描下方二维码免费领取🆓
人工智能书籍
- OpenCV(中文版).(布拉德斯基等)
- OpenCV+3计算机视觉++Python语言实现+第二版
- OpenCV3编程入门 毛星云编著
- 数字图像处理_第三版
- 人工智能:一种现代的方法
- 深度学习面试宝典
- 深度学习之PyTorch物体检测实战
- 吴恩达DeepLearning.ai中文版笔记
- 计算机视觉中的多视图几何
- PyTorch-官方推荐教程-英文版
- 《神经网络与深度学习》(邱锡鹏-20191121)
- …
😝有需要的小伙伴,可以点击下方链接免费领取或者V扫描下方二维码免费领取🆓
第一阶段:零基础入门(3-6个月)
新手应首先通过少而精的学习,看到全景图,建立大局观。 通过完成小实验,建立信心,才能避免“从入门到放弃”的尴尬。因此,第一阶段只推荐4本最必要的书(而且这些书到了第二、三阶段也能继续用),入门以后,在后续学习中再“哪里不会补哪里”即可。
第二阶段:基础进阶(3-6个月)
熟读《机器学习算法的数学解析与Python实现》并动手实践后,你已经对机器学习有了基本的了解,不再是小白了。这时可以开始触类旁通,学习热门技术,加强实践水平。在深入学习的同时,也可以探索自己感兴趣的方向,为求职面试打好基础。
第三阶段:工作应用
这一阶段你已经不再需要引导,只需要一些推荐书目。如果你从入门时就确认了未来的工作方向,可以在第二阶段就提前阅读相关入门书籍(对应“商业落地五大方向”中的前两本),然后再“哪里不会补哪里”。
😝有需要的小伙伴,可以点击下方链接免费领取或者V扫描下方二维码免费领取🆓