标签：png 很多 bsp 梯度 images 系统 .com 构建 ges
2017-08-19
主要内容：CPU和GPU介绍，几种深度学习框架的介绍
1.CPU和GPU
CPU一般核数目比较少，适合做通用的计算，速度比较快，共享系统的内存
GPU一般单个核心的速度比较慢，但是核心数目很多，几千个，但是CPOU只有几个几十个，所以GPU适合做简单的人物，大规模并行计算，在深度学习中效果很好；
主流的公司就是NVIDIA AMD，一般是NVIDIA的比较好一点；
然后为了使用GPU又一些编程框架可以使用，比如CUDA和OPENCL， 直接对他们编程比较难，所以利用一些库会使得编程简单很多；
2，深度学习框架
这里主要介绍了Tensorflow , 还有 pyTorch,分别是谷歌和Facebook的；
首先介绍了使用这些深度学习框架的好处，相对于纯手工编写：
一是很容易构建大规模的计算图模型，二是容易计算梯度，三是方便的在GPU上面运行；
然后就是一些细节，介绍Tensorflow如何解决一些问题，比如如何计算梯度，如何先定义网络然后再给数据计算网络中的权重，如何更新，以及一些高级 的装饰器比如Keras；
tenorflow和pytorch之间的区别：
标签：png 很多 bsp 梯度 images 系统 .com 构建 ges
原文地址：http://www.cnblogs.com/robin2ML/p/7397811.html
