關於人工智能，機器學習，深度學習
三者關系：從宏觀到微觀。
機器學習是人工智能的一部分，深度學習是機器學習的一部分。
基礎：大數據。
關於深度學習
深度學習基於神經網絡，
關於神經網絡：通過疊加網絡層模擬人類對輸入信號的特征提取。
說白了，神經網絡就是一個仿生技術，仿的就是人類思考的過程，就好像給你看一堆貓的照片，最后你可以分辨不同貓的種類。把這個過程給機器執行，就叫機器學習。神經網絡就如同字面意思一樣，人的神經組成的網絡，把這個過程交給機器去做而已。（周立波有一個關於專家的調侃：專家就是專門把那些很簡單的東西搞到你聽不懂）
深度：一方面指神經網絡層越來越深，類比到人類就是你想的越來越多.....;另一方面指學習的能力越來越強，這一點用已知推未知解釋比較好。你知道的東西越多，接受新的東西就會越快。
深度學習框架
MXNet
亞馬遜官方維護的深度學習框架。其前身是cxxnet。15年遷移至MXNet。
然后就是特點，一波商業互吹：
- 采用命令式和符號式編程
- 省顯存，速度快，訓練效率高
- 18年推出GluonCV，專門為計算機視覺打造的工具庫。
PyTorch
FaceBook官方維護的框架。基於Torch框架研發。
Torch采用Lua語言，為了便於用戶使用，開發出Python接口，使用命令式編程。
Caffe/Caffe2
FaceBook維護的框架。老牌。
Caffe側重線上產品部署，PyTorch側重研究試錯。
TensorFlow
Google維護的框架，使用廣泛。擁有可視化工具TensorBord。
生態強大。
深度學習開發
語言：大部分深度學習底層框架使用C++實現，效率高。
實際開發往往選用接口語言，比如Python進行快速開發。
MXNet提供多種語言的API（Python，C++，Scala....）
關於NumPy
NumPy是Python用於科學計算的庫，支持數組和矩陣運算。
大多數深度學習框架基於NumPy進行設計，因為NumPy不支持GPU運算，只支持CPU。
MXNet中的NDArray就是基於NumPy設計的，最大的不同點就是NDArray支持GPU運算。