随着世界技术的迭代与发展,人工智能和机器学习正在超自动化领域,扮演着越来越重要的角色。2020年的冠状病毒疫情突发,整个世界都在防疫的道路上披荆斩棘。人工智能发挥了重大作用,智能测温、智能消毒、智能建设都能看到AI的影子。
自动化的工作流程应该适应社会不断变化的情况,并主动应对意外情况发生。这就是人工智能、机器学习模型和深度学习发挥重要作用的地方。

人工智能从学术理论研究,再到生产应用的产品开化的过程中,涉及了诸多不同工具,这也就使得人工智能开发依赖的环境安装、部署、测试,以及不断迭代改进准确性和性能调优的工作,变得非常繁琐耗时也非常复杂。

为了优化这一过程,大家都做了非常多的努力,开发完善了许多基础平台,还有一些通用的工具。这就是机器学习框架或深度学习框架。当有了这些基础平台、工具,就完全避免了重复发明轮子,从而更加专注于技术研究与产品创新。

随着技术的普及,各家企业的框架逐渐成熟化,深度学习技术的门槛会越来越低。但是由于实际业务的不断丰富和深入,产业界对深度学习训练框架不断产生新的需求。开源框架和模型工具也已经无法直接满足实际生产和业务需求。

无论是对于深度学习相关专业的初学者,还是已经在企业和组织中从事工业场景应用和研发的开发者来说,选择一个适合自己,适合业务场景需求的深度学习框架显得尤为重要。

所以本篇来梳理一下深度学习方向的学习路线和知识点,包括深度学习到底要学什么、有哪些重要知识、现在的主流的技术点有哪些。

01

深度学习成长路线

「深度学习知识体系总结(2021版)」开放下载了!_编程语言