人工智能(artificial intelligence,AI)
指由人制造出来的机器所表现出来的智能。通常人工智能是指通过普通计算机程序来呈现人类智能的技术。
四个主要组成部分
- 专家系统:作为专家处理正在审查的情况,并产生预期或预期的绩效
- 启发式问题解决:包括评估小范围的解决方案,并可能涉及一些猜测,以找到接近最佳的解决方案
- 自然语言处理:在自然语言中实现人机之间的交流
- 计算机视觉:自动生成识别形状和功能的能力
三要素
深度学习框架
- TensorFlow:一个开源软件库,用于各种感知和语言理解任务的机器学习。
- TensorBoard
Caffe
(快速特征嵌入的卷积结构,Convolutional Architecture for Fast Feature Embedding
)是一个深度学习框架,最初开发于加利福尼亚大学柏克莱分校。Caffe在BSD许可下开源,使用C++编写,带有Python接口。
- CNTK
- PyTorch 是一个开源的Python机器学习库,基于Torch,底层由C++实现,应用于人工智能领域,如自然语言处理。PyTorch主要有两大特征:类似于NumPy的张量计算,可使用GPU加速
- 百度飞桨PaddlePaddle致力于让深度学习技术的创新与应用更简单。具有以下特点:同时支持动态图和静态图,兼顾灵活性和效率;精选应用效果最佳算法模型并提供官方支持;真正源于产业实践,提供业界最强的超大规模并行深度学习能力;推理引擎一体化设计,提供训练到多端推理的无缝对接;唯一提供系统化技术服务与支持的深度学习平台。
- Keras:一个用Python编写的开源神经网络库,能够在TensorFlow、Microsoft Cognitive Toolkit、Theano或PlaidML之上运行。
开发工具
- Kaggle:是一个数据建模和数据分析竞赛平台。企业和研究者可在其上发布数据,统计学者和数据挖掘专家可在其上进行竞赛以产生最好的模型。2017年3月8日谷歌宣布收购Kaggle。
GPU
CUDA (Compute Unified Device Architecture,统一计算设备架构)
是由英伟达 NVIDIA
所推出的一种集成技术,是该公司对于 GPGPU
的正式名称。通过该技术用户可利用 NVIDIA
的 GeForce 8
以后的 GPU
和较新的 Quadro GPU
进行计算。
cuDNN (NVIDIA CUDA® Deep Neural Network library)
是 NVIDIA
专门针对深度神经网络(Deep Neural Networks)
中的基础操作而设计基于 GPU
的加速库。它可以集成到更高级别的机器学习框架中,如Tensorflow等。强调性能、易用性和低内存开销。
CUDA
可以看作是一个工作台,上面配有很多工具,如锤子、螺丝刀等。cuDNN
是基于 CUDA
的深度学习GPU加速库,它就相当于工作的工具,比如扳手。
OpenCV
的全称是 Open Source Computer Vision Library
,是一个跨平台的计算机视觉库。