|
【研究报告内容摘要】
深度学习是以人工神经网络为基础、融合数学、计算机科学、神经科学等多种学科、对数据及信息进行学习的机器学习算法。 深度学习底层算法的开发对算法开发人员的要求较高,需精通多个前沿科学领域理论并具备相对应的应用能力。由于较高的学术及技术门槛,在深度学习技术发展早期缺乏底层开发工具的情况下,深度学习技术发展速度较慢,相关应用的落地难以实现。
深度学习框架的出现打破了基于深度学习技术的人工智能应用开发的高技术门槛。 深度学习框架是一系列经过高级计算机语言封装的深度学习底层算法,内含可实现样本数据的调用、分类及输入、神经网络架构建设、激活函数及损失函数等函数设置、超参数设定及调整等功能的完整函数工具。通过对深度学习框架的引用,人工智能应用开发者无需熟知底层算法开发逻辑即可完成应用开发,人工智能应用开发的技术门槛大幅降低。
深度学习框架的出现打通了业界技术交流与知识分享的渠道。 采用同一深度学习框架的算法程序具备较高的易读性及兼容性,使算法程序的移植及调用难度大幅降低。算法开发人员可通过学习已开源的算法区块,并对该算法进行调用或进一步研发,在已有知识架构体系的基础上实现人工智能算法的创新。
ceebc0b3-37e0-416b-acb8-39e5eb515456.pdf |
本帖子中包含更多资源
您需要 登录 才可以下载或查看,没有账号?快速注册
×
|