前言
在學習機器學習或者深度學習的過程中,使用框架會使代碼更加的簡潔和優化。
深度學習可以自動挖掘數據中的深層次高維度信息,降低了工程師們大量的勞動時間,並進一步提供預測的準確率。
下面整理了一些深度學習主流的框架,及其它們的優缺點。(參考)
小結:
深度學習技術已經開始滲透到每一個領域當中,使得機器學習能夠實現更多的應用場景,並且極大地拓展了人工智能的領域範疇。從無人駕駛汽車、無人駕駛飛機,到生物醫學的預防性診斷、病理預測、甚至是更加貼近年輕一代的電影推薦、購物指南、幾乎所有領域都可以使用深度學習。
深度學習的軟件框架總結
發表評論
所有評論
還沒有人評論,想成為第一個評論的人麼? 請在上方評論欄輸入並且點擊發布.
相關文章
深度學習基礎——張量的通俗理解
SupreEvi
2020-07-08 11:53:15
視頻目標分割之Video Object Segmentation using Space-Time Memory Networks
有为少年
2020-07-08 11:18:09
基於attention機制實現 CRNN OCR文字識別
koibiki
2020-07-08 12:23:28
opencv 加載tensorflow pb模型
koibiki
2020-07-08 12:23:28
聊天機器人/對話生成
路越
2020-07-08 12:17:40
推薦系統系列(二):從零開始搭建基於向量的推薦策略
路越
2020-07-08 12:17:27
論文解讀:Single path one-shot neural architecture search with uniform sampling
Lawrence-C
2020-07-08 12:06:15
深度學習論文中的一些術語(僅備份用,不定時更新)
forg_ood
2020-07-08 12:04:52
深度學習_目標檢測_FPN論文詳解
CV-GANRocky
2020-07-08 11:57:07
深度學習_目標檢測_“YOLOv5”詳解(持續更新)
CV-GANRocky
2020-07-08 11:57:07
[深度之眼]LeNet/AlexNet/VGGNet/InceptionNet/ResNet實現fashion_mnist分類
TF_Keras
2020-07-08 11:53:37
TensorFlow+CNN+OpenCV快速識別中文驗證碼
郑德帅
2020-07-08 11:43:39
apt-get update 卡在working 0 已解決
一蓑烟雨任平生yu
2020-07-08 11:20:23