天天看點

深度學習入門者選擇開源架構丨硬創公開課群友問答

深度學習入門者選擇開源架構丨硬創公開課群友問答

想學習深度學習開源架構,比如tensorflow,caffe,需要掌握哪些 linux 知識?

linux 方面的知識我認為主要在系統配置方面,這裡推薦一下 docker,docker 是一個容器虛拟機,可以讓虛拟機中的程式和硬體更緊密的結合在一起,同時省去了配置 cuda,blas/lapack 等環境方面的麻煩,現在 docker 本身也是一個非常火熱的領域。

還沒有接觸過深度學習。作為一個初學者,我想知道 mxnet 這類架構,與 spark mllib 裡邊機器學習包的關系、差異?spark 隻是提供了一些機器學習算法,可以這樣了解嗎?

這個問題表面上是問差異,但是我想多講一點,首先現在工業級應用其實都離不開 apache 生态的支援,如果一個分布式系統不和 zookeeper 說兩句話,都不好意思出來混。當然也有如 elasticearch 一類的生命野蠻的存在,mxnet 分布式設計有一些部分是非常可圈可點的,比如利用 yarn 進行伺服器資源管理,這樣的話可以很容易的和工業級分布式應用整合在一起。spark mllib 更多的是一些現有的功能包,包括了監督式和非監督式學習的很多常用子產品。mxnet 更為專門,目前據我有限的經驗,mllib的程式基于java虛拟機,并沒有和機器層緊密結合。elk = elasticsearch + logstash + kibana :),elasticsearch 5.0很好很強大,加入了beats也可以研究一下。

對深度學習硬體支撐這一塊的看法。

硬體很有意思,例如圖像處理裡面,非常大的運算量是用在了卷積層計算上面。所謂卷積層計算,就是将圖像通過深度網絡,映射到更低的次元上面去,圖像卷積操作可能到了某一天,會出現一個視網膜一樣的硬體,在攝像頭上面就已經完成了卷積操作,我們傳圖像的時候,可能傳一個類似于 meta tag 的東西。這樣的話 fpga 就有大大的用處。(有群友繼續問到:是否類 似autoencoder)autoencoder 是一個邏輯上的概念,應該說叫做 asic,application specific integrated circuit,最後成平也就是手機晶片的一個小子產品。

相關閱讀:

<a href="http://www.leiphone.com/news/201611/ktwbq22osek6b6ij.html" target="_blank">《ai 從業者該如何選擇深度學習開源架構丨硬創公開課》</a>

本文作者:亞峰

繼續閱讀