1 深度学习与机器学习的区别
学习目标:知道深度学习与机器学习的区别
区别:深度学习没有特征提取
1.1 特征提取方面
- 机器学习的特征工程步骤是要靠手动完成的,而且需要大量领域专业知识
- 深度学习通常由多个层组成,它们通常将更简单的模型组合在一起,将数据从一层传递到另一层来构建更复杂的模型。通过训练大量数据自动得到模型,不需要人工特征提取环节
1.2 数据量和计算性能要求
机器学习需要的执行时间远少于深度学习,深度学习参数往往很庞大,需要通过大量数据的多次优化来训练参数。
1.3 算法代表
机器学习:朴素贝叶斯,决策树
深度学习:神经网络
2 深度学习的应用场景
图像识别:物体识别、场景识别、车型识别、人脸检测跟踪、人脸关键点定位、人脸身份认证
自然语言处理技术:机器翻译、文本识别、聊天对话
语音技术:语音识别
3 深度学习框架介绍
总结:
- 最常用的框架当数TensorFlow和Pytorch,而 Caffe和Caffe2次之。
- PyTorch和 Torch更适用于学术研究(research) ; TensorFlow,Caffe,Caffe2更适用于工业界的生产环境部署(industrial production)
- Caffe适用于处理静态图像(static graph) ; Torch和PyTorch更适用于动态图像(dynamic graph) ; TensorFlow在两种情况下都很实用。
- Tensorflow和Caffe2可在移动端使用。