这节课小哥哥介绍深度学习的软件
CPU vs GPU
- GPU——图形卡，用于渲染图像，在深度学习中使用的是NVIDIA的GPU。
CPU vs GPU
- CPU：核数少，但是每个核更快性能更强；执行顺序任务的能力强。
- GPU：核数多，但是每个核更慢性能弱；执行并行任务多能力强。
- 在矩阵运算上GPU表现更好
实际对比
- 未优化的cpu和gpu的对比
实际对比
优化过的GPU和未优化过的GPU对比
如果有足够的内存，把数据集读取到内存可以提高效率，不浪费GPU的高的计算速度
深度学习框架
- 计算框架的作用：
- 容易建立大的计算图
- 容易计算计算图的梯度
- 高效的运行在GPU上
框架的优势
TensorFlow-Google
- 构建计算图
- 建立session
- 许多高级库帮助我们实现很多事
Keras - 基于 TensorFlow
PyTorch-Facebook
PyTorch
- PyTorch 张量与numpy数组类似，但是可以运行在GPU上
Static VS Dynamic Graphs
Static VS Dynamic Graphs
- TensorFlow - 静态计算图
- PyTorch - 动态计算图
caffe - UC Berkeley
caffe
caffe2
caffe2
fun thing
图片.png
老师讲了很多，我记不过来
