人工智能基础与应用 课件 4.2.深度学习框架.pptx

深度学习深度学习框架主讲人：董张慧雅人工智能课程团队

目录|CONTENTSTensorFlow01Keras0203PyTorchPaddlePaddle04

01TensorFlow

TensorFlowTensorFlow是一个由Google开发的开源机器学习框架，它最初是为了满足Google的机器学习需求而开发的，后来成为了一个广泛应用于各种领域的流行工具。TensorFlow的名称来源于其核心操作——张量（tensors），张量是多维数组的数学概念，它是TensorFlow中的基本数据单元，而Flow（流）意味着基于数据流图的计算。什么是TensorFlow

TensorFlow静态计算图、动态计算图和Autograph三种构建方式。静态计算图需要先使用TensorFlow的各种算子创建计算图，再开启一个会话Session，显示执行计算图。动态计算图，即每使用一个算子后，该算子会被动态加入到隐含的默认计算图中立即执行得到结果，而无需开启Session，方便调试程序。计算图TensorFlow1.0静态计算图，速度快；TensorFlow2.0动态计算图，简单易用。版本比较适合各种应用，提供丰富工具和库，支持静态和动态计算图，具有强大分布式计算能力，支持多种语言接口，提供高级操作，易于部署和运行，有强大社区支持和丰富文档。特点

中国移动智能割接助手中国移动使用TensorFlow打造了一种人工智能应用——智能割接助手，它能够自动预测切换时间范围、验证操作日志和检测网络异常，为一线运维人员减负。

02Keras

Keras是一个高层次的深度学习框架，它建立在底层的深度学习库（如TensorFlow、Theano和CNTK）之上，提供了更简单、更易用的接口。Keras的设计目标是让用户能够快速构建和调试深度学习模型，以最小的时延把想法转换为实验结果，同时保持灵活性和可拓展性。Keras的开发重点是支持快速的实验。在TensorFlow2.0发布时，Keras成为TensorFlow的官方应用程序接口（ApplicationProgramInterface，API），即tf.keras。什么是KerasKeras

Keras特点提供简洁、一致的API，轻松定义、训练和评估深度学习模型。用户友好基于TensorFlow、Pytorch等深度学习库，无缝切换。支持多种深度学习库通过模块化方式组织深度学习模型，选择不同组件组合构建复杂模型。模块化和可组合性拥有丰富文档和活跃社区，轻松找到教程、示例代码和解决方案。丰富的文档和社区支05PyTorch

PyTorch是由Facebook人工智能研究院（FAIR）开发的深度学习框架，与谷歌的Tensorflow不同，它从第一代开始就采用动态计算图的设计方式，是当下最流行的动态图框架，支持动态神经网络。PyTorch的底层实现基于Torch库，并提供了Python接口，支持GPU加速计算，可以方便地实现各种深度学习算法和模型。什么是PytorchPytorch

PyTorch模型开发和调试更加灵活和方便。动态计算图01提供丰富的工具和库，API设计简洁明了。支持TensorBoard，可视化神经网络训练过程。易于上手02充分利用GPU的并行计算能力，加速模型训练和推断。高效的GPU加速0304广泛应用和活跃的社区支持，易于找到教程、示例代码和解决方案。社区支持提供Python接口，也支持C++和Lua等其他语言。支持多种语言05使用TensorBoard跟踪模型训练

07PaddlePaddle

飞桨（PaddlePaddle）是由百度开发的深度学习平台，旨在提供高效、易用的深度学习框架和工具。它集深度学习核心训练和推理框架、基础模型库、端到端开发套件、丰富的工具组件于一体，是中国首个自主研发、功能丰富、开源开放的产业级深度学习平台。飞桨于2016年正式开源，是主流深度学习框架中一款完全国产化的产品。什么是PaddlePaddlePaddlePaddle图飞桨在各领域的应用

PaddlePaddle飞桨产业级深度学习开源开放平台包含核心框架、基础模型库、端到端开发套件与工具组件几个部分，各组件使用场景如图所示。

PaddlePaddle的应用飞桨助力变电站智慧巡检南方电网电力科技股份有限公司引入飞桨深度学习开源框架，为变电站智能机器人赋能，表计检测和表盘分割能力大大提高，实现对变电设备的准确检测和分析。让人工巡检耗时大幅减少，原来需要6小时才能完成的巡检工作现在只需花10分钟即可，智能运维效果大幅提高。

PaddlePaddle的应用飞桨助力动力电池高精度质量检测宁德时代联合百度飞桨深度学习开源平台，对电池缺陷质量检测产线进行了改良，通过飞桨深度优化过的