对于不同学习阶段和不同岗位的开发者来说，什么样的深度学习框架才是适合自己的呢？为此，AI 前线邀请了来自BAT的深度学习框架专家解答这个疑问。
来源：专知本文共1200字，建议阅读5分钟本文对2021年中国深度学习软件框架市场进行了深度的调研与分析。 过去十年，人工智能从实验室走向产业化，并在全球范围内掀起新一轮的技术革命。AI在迅速融入细分场景的同时也在不断地重塑传统行业模式，为经济社会输出独一无二的未来价值。弗若斯特沙利文（Frost & Sullivan，以下简称“沙利文”）发布了最新的《中国深度学习软件框架市场研究报告（2021）》，对2021年中国深度学习软件框架市场进行了深度的调研与分析。 深度学习是本轮人工智能爆发的关键技术，而深度学
过去十年，机器学习（尤其是深度学习）领域涌现了大量算法和应用。在这些深度学习算法和应用涌现的背后，是各种各样的深度学习工具和框架。它们是机器学习革命的脚手架：TensorFlow 和 PyTorch 等深度学习框架的广泛使用，使得许多 ML 从业者能够使用适合的领域特定的编程语言和丰富的构建模块更容易地组装模型。
随着越来越多的企业希望扩大其运营规模，它们已成为接受机器学习和预测分析的必要条件。人工智能与正确的深度学习框架相结合，真正放大了企业在其领域内可以实现和获得的整体规模。
大数据文摘授权转载自数据派THU 作者：陈之炎 对于据科学的初学者来说，利用开源的深度学习框架，可以大幅度简化复杂的大规模度学习模型的实现过程。在深度学习框架下构建模型，无需花费几天或几周的时间从头开始编写代码，便可以轻松实现诸如卷积神经网络这样复杂的模型。在本文中，将介绍几种非常有用的深度学习框架、它们的优点以及应用，通过对每个框架进行比较，研发人员了解如何有选择地使用它们，高效快捷完成项目任务。 深度学习框架概述 深度学习框架是一种界面、库或工具，它使编程人员在无需深入了解底层算法的细节的情况下，能够更
来源：towardsdatascience.com 作者：Indra den Bakker 编译：刘小芹 【新智元导读】2017年，深度学习框架领域出现了许多新变化。TensorFlow仍然是最受欢迎的深度学习框架，但使用动态图的更高效的PyTorch作为后起之秀，已经成为TensorFlow的最大竞争对手。第一个被广泛采用的深度学习框架Theano“功成身退”，宣布停止开发和维护。此外，微软和亚马逊联合推出Gluon，微软、亚马逊和Facebook等联合发布ONNX格式，深度学习框架也呈现出合作联盟、对抗
过去⼗年，机器学习（尤其是深度学习领域）涌现了⼤量算法和应⽤。在这些深度学习算法和应⽤涌现的背后，是各种各样的深度学习⼯具和框架。它们是机器学习⾰命的脚⼿架：TensorFlow和PyTorch等深度学习框架的⼴泛使⽤，使许多机器学习从业者能够使⽤适合领域的特定编程语⾔和丰富的构建模块更容易地组装模型。
对于学习数据科学的同学来说，从头开始实现神经网络，会让你理解很多有趣的东西。但是，我并不认为在真实数据集上构建深度学习模型是个明智的做法，除非你有数天或数周的时间来等待模型的构建。那么对于绝大部分无法获得无限资源的人来说，使用易于使用的开源深度学习框架，我们可以立即实现如卷积神经网络这样的复杂模型。
本文是关于深度学习在环境远程遥感方面的应用研究进展及面临的挑战。简要介绍由武汉大学张良培教授团队的这篇综述文章。
本文介绍了几种非常有用的深度学习框架、它们的优点以及应用，通过对每个框架进行比较，研发人员了解如何有选择地使用它们，高效快捷完成项目任务。
有些人会觉得现在市场上有很多深度学习引擎的框架，比如tensorflow, pytorch, caffe等，为什么还需要加速呢，很简单，虽然深度学习的技术发展火热，也有很多大牛，但是深度学习框架在技术上目前并没有收敛。这种事就像大数据分析hadoop一样，之前并没有成熟框架来处理分布式数据，经过很多年沉淀，现在hadoop已经成工业标准，后来内存的计算用spark。深度学习框架也是一样，由于深度学习算法还没有完全成熟以及与传统硬件计算力的不同（对新的芯片计算能力有需求），所以深度学习框架并没有得到真正的收敛。下面我们看一下袁进辉老师对深度学习架构的优化有什么办法。
在深度学习领域，有许多深度学习框架可以让开发者和研究者用于设计模型，每个框架具备各自独特的网络结构定义和模型保存格式。AI 工程师和研究者希望自己的模型能够在不同的框架之间转换，但框架之间的差距阻碍了模型之间的交互操作。
无监督学习和其他两种学习方法的主要区别在于无监督学习不需要提前知道标签数据集的类别标签。无监督学习算法使用场景通常为聚类和降维，如使用k-means聚类、系统聚类、密度聚类等算法进行数据聚类，使用主成分分析、流形降维等算法减少数据的特征数量。
从出道起，我就一直是一名程序员。我喜欢从头开始编写代码，这有助于我清楚地理解主题（或技巧）。当我们刚开始学习数据科学时，这种方法尤为有用。
作者 | 黄波，何沧平 责编 | 何永灿 随着人工神经网络算法的成熟、GPU计算能力的提升，深度学习在众多领域都取得了重大突破。本文介绍了微博引入深度学习和搭建深度学习平台的经验，特别是机器学习工作流、控制中心、深度学习模型训练集群、模型在线预测服务等核心部分的设计、架构经验。微博深度学习平台极大地提升了深度学习开发效率和业务迭代速度，提高了深度学习模型效果和业务效果。 深度学习平台介绍 人工智能和深度学习 人工智能为机器赋予人的智能。随着计算机计算能力越来越强，在重复性劳动和数学计算方面很快超过了
小编结合资料与工程师经验，梳理出一条深度学习工程师的成长路径及“练级大法”，希望可以帮到各位“炼丹师”稳步进阶，畅游深度学习海洋~
深度学习领域中有很多面向Python开发者的资源与教程，比如使用NumPy进行数据分析、使用MatPlotlib进行可视化等；深度学习框架方面，TensorFlow、PyTorch、MXNet等常用框架都对Python有很好的支持。相比而言在企业项目中，Java、Scala等虽然是使用最多的开发语言，但各类主流深度学习框架面向Java开发者的支持非常少。Java开发者必须要进行繁杂的项目配置，构建class，才能最终打造出属于Java的深度学习应用。 如果你是一名Java应用开发工程师，并正在尝试将 AI
目前市面上主流深度学习框架近十余种，每种框架各具特色。如何选择合适的深度学习框架？本篇对主流深度学习框架进行综合比较，帮助大家理清思路。
2021年8月，ITU正式全文发布由飞桨和中国信通院联合牵头完成的ITU-T F.748.12 “Deep Learning Software Framework Evaluation Methodology”（深度学习软件框架评估方法），成为全球首个深度学习软件框架领域的国际标准。作为一家领先的AI公司，百度在国际标准舞台发出了自己的声音。
深度学习（deep learning）是机器学习的分支，已经在工业生产、科学研究等领域有广泛应用。图 1-1-1 显示了深度学习、机器学习和人工智能之间的相对关系。
TensorFlow是一个基于数据流编程（dataflow programming）的符号数学系统，被广泛应用于各类机器学习（machine learning）算法的编程实现，其前身是谷歌的神经网络算法库DistBelief 。 Tensorflow拥有多层级结构，可部署于各类服务器、PC终端和网页并支持GPU和TPU高性能数值计算，被广泛应用于谷歌内部的产品开发和各领域的科学研究 。
随着深度学习研究热潮的持续发酵，各种开源深度学习框架层出不穷，其中包括：Caffe、CNTK、MXNet、Neon、TensorFlow、Theano 和 Torch (著名开源深度学习框架 Keras 相当于是 TensorFlow 和 Theano 的简化接口，这里就不并列了)。在这些深度学习框架中，我个人是支持 TensorFlow 的。以前我的观点不是这样，当时的我觉得 TensorFlow 没有什么厉害的。TensorFlow 刚出来的时候，我还和 Mentor 思远大大一顿吐槽。不过我最近转变观
引言：深度学习是近年机器学习领域的重大突破，有着广泛的应用前景。随着Google公开Google Brain计划，业界对深度学习的热情高涨。百度成立深度学习研究院，腾讯也启动了深度学习的研究。腾讯在深度学习领域持续投入，获得了实际落地的产出。本文是腾讯深度学习系列文章的第一篇。我们准备了四篇文章，阐述深度学习的原理和在腾讯的实践。 2014年6月22日，腾讯深度学习平台（Tencent Deep Learning Platform）于国际机器学习领域顶级会议ICML2014上首次公开亮相，揭秘了腾讯深度学习
简介 近日重温了《深度学习在腾讯的平台化和应用实践（全）》，感兴趣可以在这里阅读 https://zhuanlan.zhihu.com/p/21852266 ，里面介绍了腾讯在深度学习平台基础架构上细致的工作，本人在2016 C++及系统软件大会上也分享了小米cloud machine learning平台的细节，在此给大家总结和对比一下。 腾讯Mariana平台 在前面提到的文章中，已经详细介绍了腾讯深度学习平台，也就是Mariana项目的实现细节了，这是一个真正意义上的平台。在参考文献上也体现出来，腾讯
除了“技术炫”，人工智能的另一大特征是“开会多”，然而，专门针对“深度学习”的开发者大会却少之又少。
Python 1. Theano是一个python类库，用数组向量来定义和计算数学表达式。它使得在Python环境下编写深度学习算法变得简单。在它基础之上还搭建了许多类库。 1.Keras是一个简洁、高度模块化的神经网络库，它的设计参考了Torch，用Python语言编写，支持调用GPU和CPU优化后的Theano运算。 2.Pylearn2是一个集成大量深度学习常见模型和训练算法的库，如随机梯度下降等。它的功能库都是基于Theano之上。 3.Lasagne是一个搭建和训练神经网络
本文介绍了包括 Python、Java、Haskell等在内的一系列编程语言的深度学习库。
深度学习作为人工智能的一个分支，已经成为了当前计算机科学领域的热门方向之一。随着深度学习技术的不断发展，越来越多的应用场景需要用到深度学习的技术，因此，深度学习的工具也变得越来越重要。在这篇文章中，我们将介绍几个深度学习必备的工具。
2018年11月，英特尔人工智能大会（AIDC 2018）在北京国贸酒店举行，这也是英特尔首次专门面向开发者和和技术社区的人工智能大会。PaddlePaddle总架构师于佃海应邀在大会主论坛做了主题演讲，介绍了百度开源深度学习框架PaddlePaddle的最新进展以及百度实际业务中的大规模深度学习应用实践，特别强调了PaddlePaddle在海量数据超大规模稀疏特征场景下的高效分布式训练特色。
允中 李林 编译整理 量子位 出品 | 公众号 QbitAI 注意！你的深度学习框架有漏洞！ 这个警告来自360安全实验室（Qixue Xiao、Deyue Zhang）、佐治亚大学（Kang Li）
AI科技评论按：近日，Rachel Thomas在fast.ai上发布了一篇博文《What you need to do deep learning》，他希望通过这篇文章回答一些深度学习入门者经常会问到的问题：什么样的电脑才能用来做深度学习？为什么 fast.ai 推荐使用英伟达的 GPU 呢？哪些深度学习库不适合初学者？你又是如何将深度学习应用到实际生产中的？ Rachel Thomas认为，所有的这些问题都可以归结到一个主题，那就是“究竟需要准备好哪些东西（硬件、软件、知识背景以及数据等）才能开始深度学
TensorFlow最初由谷歌的Machine Intelligence research organization 中Google Brain Team的研究人员和工程师开发的。这个框架旨在方便研究人员对机器学习的研究，并简化从研究模型到实际生产的迁移的过程。
2017年1月，Facebook人工智能研究院（FAIR）团队在GitHub上开源了PyTorch，并迅速占领GitHub热度榜榜首。
后端（RD）工程师：让算法工程师产出的代码落到业务中，适用于工业调用（比如配置数据库和设定便捷的交互）
本文介绍了包括 Python、Java、Haskell等在内的一系列编程语言的深度学习库。 Python Theano 是一种用于使用数列来定义和评估数学表达的 Python 库。它可以让 Python 中深度学习算法的编写更为简单。很多其他的库是以 Theano 为基础开发的： Keras 是类似 Torch 的一个精简的，高度模块化的神经网络库。Theano 在底层帮助其优化 CPU 和 GPU 运行中的张量操作。 Pylearn2 是一个引用大量如随机梯度（Stochastic Gradient）这
寄语：本文梳理了深度学习知识体系，分为机器学习、神经网络和概率图模型，同时对机器学习算法类型、深度学习原理框架等进行了梳理，帮助大家更好地学习和入手深度学习。
苹果、谷歌、Facebook、SAP、微软等科技巨头，早已有了实际的行动。单单是Apple Pay和Google Pay的停用，就已经影响了数千万人的生活秩序，而GitHub、Node、React等开源平台针对俄罗斯开发者的严格限制，则给不少企业的产品开发、商业运作蒙上了一层不确定的阴影。
公报更进一步强调了科技的自立自强，并明确提出到2035年关键核心技术要实现重大突破。这表明，“十四五”期间，科技创新会被提升到一个更高的战略位置，以改变当前对美国技术依赖性强的被动局面，并成为拉动未来经济发展的重要力量。
如果你浏览 AI 相关的新闻，不难发现「高薪」、「百万年薪」等极具诱惑力的词汇的出现频率非常高。同样，在知乎中搜索「如何转型 AI？」、「AI 领域需要怎样的人才？」、「普通程序员如何学习 AI 知识？」等问题，也总会发现各种各样的答案和衍生的话题。在人工智能浪潮的助推下，不少科技公司开高薪求良才，更有不少开发者前赴后继地投身进 AI 的风口中。
▊《深入浅出PyTorch：从模型到源码》 张校捷 著 电子书售价：44.95元 2020年04月出版 本书从机器学习和深度学习的基础概念入手，由浅到深地详细介绍了PyTorch深度学习框架的知识，主要包含深度学习的基础知识，如神经网络的优化算法、神经网络的模块等；同时也包含了深度学习的进阶知识，如使用 PyTorch 构建复杂的深度学习模型，以及前沿的深度学习模型的介绍等。另外，为了加深读者对 PyTorch 深度学习框架的理解和掌握，本书还介绍了 PyTorch 的源代码结构，包括该框架的 Python
从亚马逊到Facebook，再到谷歌和微软，全球最顶尖、最有影响力的技术公司都将目光转向了人工智能（AI）。本文将介绍AI、机器学习以及深度学习，其中着重介绍深度学习是如何工作的，以及深度学习为何直到今天才开始成熟，最后，介绍开源的深度学习框架。
根据 GitHub 活跃数、开发人员使用人数、在招聘描述中出现的频率等综合数据分析，Google的 TensorFlow 仍稳居第一，被广大网友一致认为非常适合入门学习的 Keras 、人气涨势迅速的 PyTorch 、还有 Caffe 、Theano、MXNet 、CNTK 、Caffe 2.0、FastAi 等框架都紧随其后，受到越来越来多开发者和企业的关注。
来自：CSDN.NET 链接：http://www.csdn.net/article/2015-09-15/2825714（点击尾部阅读原文前往，文章中相关链接请点击阅读原文查看） 原文：http://www.teglor.com/b/deep-learning-libraries-language-cm569/ 译者简介：赵屹华，计算广告工程师@搜狗，前生物医学工程师，关注推荐算法、机器学习领域。 本文总结了Python、Matlab、CPP、Java、JavaScript、Lua、Julia、Lisp、
很早之前，我就听雷军说过一句话：“站在风口上，猪都可以飞起来！”这句话用来形容现在的深度学习非常贴切。近几年来，深度学习的发展极其迅速，其影响力已经遍地开花，在医疗、自动驾驶、机器视觉、自然语言处理等各个方面大展身手。在深度学习这个世界大风口上，谁能抢先进入深度学习领域，学会运用深度学习技术，谁就能真正地在 AI 时代“飞”起来。
金磊 发自 凹非寺 量子位 | 公众号 QbitAI 百度飞桨又一次被“点名”了： 中国深度学习市场应用规模第一！ 这就是中国信通院与深度学习技术及应用国家工程研究中心联合发布的《深度学习平台发展报告（2022年）》（下文简称报告）中，所给出的最新结论。 而且还是和老牌深度学习框架选手，谷歌家的TensorFlow、Meta家的PyTorch一较高下后的结果。 不仅如此，报告中还指出，中国已经成为全球开发框架生态发展最快的国家。 单是在社区生态这一块，以飞桨为代表的“中国队”便在GitHub中交出了一组亮
【AI创新者】是CSDN人工智能频道精心打造的专栏，本期主人公是最近很火的《TensorFlow实战》一书作者、PPmoney大数据算法总监黄文坚。 作者：白岩 CSDN AI 编辑 / 记者 投
机器之心报道 作者：杜伟 在百度 Create AI 开发者大会上，百度 CTO 王海峰提出「深度学习 +」概念，它预示着人工智能的技术创新和产业发展进入深度学习驱动的新阶段。 自人类进入工业社会以来，每次工业革命的背后都离不开核心技术的驱动，正如机械技术、电气技术和信息技术之于前三次工业革命。如今在第四次工业革命进程中，AI 正成为核心驱动力，而深度学习是关键核心技术。 深度学习具有很强的通用性，它呈现出的标准化、自动化和模块化特征，逐渐推动 AI 进入工业大生产阶段。作为快速便捷构建、训练和部署 A
本文整理了 GitHub 上最流行的 57 款深度学习项目（按 stars 排名）。最后更新：2016.08.09 1.TensorFlow 使用数据流图计算可扩展机器学习问题 TensorFlow 是谷歌的第二代机器学习系统，按照谷歌所说，在某些基准测试中，TensorFlow 的表现比第一代的 DistBelief 快了2倍。 TensorFlow 内建深度学习的扩展支持，任何能够用计算流图形来表达的计算，都可以使用 TensorFlow。任何基于梯度的机器学习算法都能够受益于 TensorFlow 的
360安全实验室（肖奇学 、Deyue Zhang）、佐治亚大学（李康）和弗吉尼亚大学（Weilin Xu）的研究者，他们在论文《Security Risks in Deep Learning Implementations》中，对三个主流的深度学习框架的实现中存在的安全威胁进行了检查和分析，分别是Caffe, TensorFlow, and Torch。文中，作者提到软件来说，应用实现的复杂性会导致一些软件漏洞的产生。深度学习框架面临同样的挑战，经过检查，研究人员发现了许多实现的漏洞，其中15个漏洞拥有C
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
ICP备案
实时音视频
即时通信 IM
对象存储
