深度学习以及在农业上的应用讲述.pptx

从谷歌AlphaGo到深度学习在农业上的应用 PART ONE 从AlphaGo分析深度学习应用技术 PART TWO 深度学习在农业上的应用与前景 谷歌AlphaGo 谷歌围棋： 李世石对决围棋的AlphaGo是谷歌旗下公司DeepMind开发出来的人工智能程序 ； 谷歌AlphaGo 人工智能发展： 1997年下赢国际象棋冠军卡斯帕罗夫的“深蓝”是一台超级计算机； AlphaGo将战略模拟游戏《星际争霸4》作为目标； 深度学习算法 深度学习计算平台 A B AlphaGo有什么科技含量呢？ AlphaGo计算平台分析 A 单机版本 根据谷歌团队发表在《自然》杂志上的论文，不过论文除了提到这台计算机装有48个CPU和8个GPU之外，对计算机的性能连一个数字都没有提到。好在AlphaGo是在云计算平台上运行的，性能至少是深蓝的1000倍。 B 云计算平台 AlphaGo并非只有“单机版”一个版本。为了达到更高的运算能力，谷歌还把AlphaGo接入到了1202个CPU组成的网络之中。联网后的AlphaGo算力猛增24倍，所以AlphaGo比深蓝厉害多少倍？估计这会你已经得出答案了：至少2.5万倍 GPU多线程并行计算技术 NVIDIA2016年4月5日宣布推出一款致力于加速人工智能和深度学习的芯片TeslaP100 同时推出的还有全球首款面向深度学习的超级计算机NVIDIADGX-1,每台售价12.9万美元(约合84万人民币)。 GPU多线程并行计算技术 NVIDIA在深度学习上的应用 《How Autonomous Cars Understand What Theyre Seeing》by Danny Shapiro:JANUARY 5, 2016 深度学习在Hadoop实现 《CaffeOnSpark Open Sourced for Distributed Deep Learning on Big Data Clusters | Hadoop at Yahoo》 发布信息时间 2016-02-25 01:11:18 深度学习算法 深度学习计算平台 A B AlphaGo有什么科技含量呢？ AlphaGo算法技术分析 蒙特卡洛： 采样越多，越近似最优解； 深度神经网络： 深度学习（Deeplearning） 人工神经网络（Artificial Neural Network，以下简称 ANN） 传统神经网络与深度学习 传统意义上的多层神经网络是只有输入层、隐藏层、输出层。其中隐藏层的层数根据需要而定，没有明确的理论推导来说明到底多少层合适。 而深度学习中最著名的卷积神经网络CNN，在原来多层神经网络的基础上，加入了特征学习部分，这部分是模仿人脑对信号处理上的分级的。具体操作就是在原来的全连接的层前面加入了部分连接的卷积层与降维层，而且加入的是一个层级。 传统神经网络与深度学习 输入层 - 卷积层 -降维层 -卷积层 - 降维层 -- .... -- 隐藏层 -输出层 简单来说，原来多层神经网络做的步骤是：特征映射到值。特征是人工挑选。 深度学习做的步骤是 信号-特征-值。 特征是由网络自己选择 深度学习框架 一、Caffe。源自加州伯克利分校的Caffe被广泛应用，包括Pinterest这样的web大户。与TensorFlow一样，Caffe也是由C++开发，Caffe也是Google今年早些时候发布的DeepDream项目（可以识别喵星人的人工智能神经网络）的基础。 二、Theano。2008年诞生于蒙特利尔理工学院，Theano派生出了大量深度学习Python软件包，最著名的包括Blocks和Keras。 三、MXNet。出自CXXNet、Minerva、Purine等项目的开发者之手，主要用C++编写。MXNet强调提高内存使用的效率，甚至能在智能手机上运行诸如图像识别等任务。 四、tensorflow 五、Deeplearning4j。 顾名思义，Deeplearning4j是”for Java”的深度学习框架，也是首个商用级别的深度学习开源库。Deeplearning4j由创业公司Skymind于2014年6月发布，使用 Deeplearning4j的不乏埃森哲、雪弗兰、博斯咨询和IBM等明星企业。 深度学习应用（MXNet） Deep3D: Fully Automatic 2D-to-3D Video Conversion with Deep Convolutional Neural Networks 2016-04-05 Two Minute Papers - Deep Learn