在上周公開(kāi)課《AI 從業(yè)者該如何選擇深度學(xué)習(xí)開(kāi)源框架丨硬創(chuàng)公開(kāi)課》中，微軟機(jī)器學(xué)習(xí)科學(xué)家彭河森博士詳細(xì)講述了各大開(kāi)源框架適用的場(chǎng)景，課程結(jié)束后，我們特地整理了深度學(xué)習(xí)入門(mén)者較為關(guān)注的幾個(gè)問(wèn)答：

想學(xué)習(xí)深度學(xué)習(xí)開(kāi)源框架，比如TensorFlow，Caffe，需要掌握哪些 Linux 知識(shí)？

Linux 方面的知識(shí)我認(rèn)為主要在系統(tǒng)配置方面，這里推薦一下 Docker，Docker 是一個(gè)容器虛擬機(jī)，可以讓虛擬機(jī)中的程序和硬件更緊密的結(jié)合在一起，同時(shí)省去了配置 CUDA，BLAS/LAPACK 等環(huán)境方面的麻煩，現(xiàn)在 Docker 本身也是一個(gè)非?；馃岬念I(lǐng)域。

還沒(méi)有接觸過(guò)深度學(xué)習(xí)。作為一個(gè)初學(xué)者，我想知道 Mxnet 這類(lèi)框架，與 Spark MLLib 里邊機(jī)器學(xué)習(xí)包的關(guān)系、差異？Spark 只是提供了一些機(jī)器學(xué)習(xí)算法，可以這樣理解嗎？

這個(gè)問(wèn)題表面上是問(wèn)差異，但是我想多講一點(diǎn)，首先現(xiàn)在工業(yè)級(jí)應(yīng)用其實(shí)都離不開(kāi) Apache 生態(tài)的支持，如果一個(gè)分布式系統(tǒng)不和 Zookeeper 說(shuō)兩句話，都不好意思出來(lái)混。當(dāng)然也有如 Elasticearch 一類(lèi)的生命野蠻的存在，MXnet 分布式設(shè)計(jì)有一些部分是非常可圈可點(diǎn)的，比如利用 Yarn 進(jìn)行服務(wù)器資源管理，這樣的話可以很容易的和工業(yè)級(jí)分布式應(yīng)用整合在一起。Spark MLLib 更多的是一些現(xiàn)有的功能包，包括了監(jiān)督式和非監(jiān)督式學(xué)習(xí)的很多常用模塊。MXNet 更為專(zhuān)門(mén)，目前據(jù)我有限的經(jīng)驗(yàn)，MLLib的程序基于Java虛擬機(jī)，并沒(méi)有和機(jī)器層緊密結(jié)合。ELK = Elasticsearch + Logstash + kibana :)，Elasticsearch 5.0很好很強(qiáng)大，加入了Beats也可以研究一下。

對(duì)深度學(xué)習(xí)硬件支撐這一塊的看法。

硬件很有意思，例如圖像處理里面，非常大的運(yùn)算量是用在了卷積層計(jì)算上面。所謂卷積層計(jì)算，就是將圖像通過(guò)深度網(wǎng)絡(luò)，映射到更低的維度上面去，圖像卷積操作可能到了某一天，會(huì)出現(xiàn)一個(gè)視網(wǎng)膜一樣的硬件，在攝像頭上面就已經(jīng)完成了卷積操作，我們傳圖像的時(shí)候，可能傳一個(gè)類(lèi)似于 meta tag 的東西。這樣的話 FPGA 就有大大的用處。（有群友繼續(xù)問(wèn)到：是否類(lèi) 似Autoencoder）Autoencoder 是一個(gè)邏輯上的概念，應(yīng)該說(shuō)叫做 ASIC，Application Specific Integrated Circuit，最后成平也就是手機(jī)芯片的一個(gè)小模塊。

相關(guān)閱讀：

《AI 從業(yè)者該如何選擇深度學(xué)習(xí)開(kāi)源框架丨硬創(chuàng)公開(kāi)課》

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見(jiàn)轉(zhuǎn)載須知。