關於MXNet

關於人工智能，機器學習，深度學習

三者關係：從宏觀到微觀。

機器學習是人工智能的一部分，深度學習是機器學習的一部分。

基礎：大數據。

關於深度學習

深度學習基於神經網絡，

關於神經網絡：經過疊加網絡層模擬人類對輸入信號的特徵提取。

說白了，神經網絡就是一個仿生技術，仿的就是人類思考的過程，就好像給你看一堆貓的照片，最後你能夠分辨不一樣貓的種類。把這個過程給機器執行，就叫機器學習。神經網絡就如同字面意思同樣，人的神經組成的網絡，把這個過程交給機器去作而已。（周立波有一個關於專家的調侃：專家就是專門把那些很簡單的東西搞到你聽不懂）

深度：一方面指神經網絡層愈來愈深，類比到人類就是你想的愈來愈多.....;另外一方面指學習的能力愈來愈強，這一點用已知推未知解釋比較好。你知道的東西越多，接受新的東西就會越快。

深度學習框架

MXNet

亞馬遜官方維護的深度學習框架。其前身是cxxnet。15年遷移至MXNet。

而後就是特色，一波商業互吹：

• 採用命令式和符號式編程
• 省顯存，速度快，訓練效率高
• 18年推出GluonCV，專門爲計算機視覺打造的工具庫。

PyTorch

FaceBook官方維護的框架。基於Torch框架研發。

Torch採用Lua語言，爲了便於用戶使用，開發出Python接口，使用命令式編程。

Caffe/Caffe2

FaceBook維護的框架。老牌。

Caffe側重線上產品部署，PyTorch側重研究試錯。

TensorFlow

Google維護的框架，使用普遍。擁有可視化工具TensorBord。

生態強大。

深度學習開發

語言：大部分深度學習底層框架使用C++實現，效率高。

實際開發每每選用接口語言，好比Python進行快速開發。

MXNet提供多種語言的API（Python，C++，Scala....）

關於NumPy

NumPy是Python用於科學計算的庫，支持數組和矩陣運算。

大多數深度學習框架基於NumPy進行設計，由於NumPy不支持GPU運算，只支持CPU。

MXNet中的NDArray就是基於NumPy設計的，最大的不一樣點就是NDArray支持GPU運算。