初识大数据（四. 大数据与人工智能的关系）

　　大数据与人工智能有什么关系呢？AI自己就是一种大数据的应用，特别是在对于AI系统进行训练的时候，使用的数据越多，AI系统就越先进。也就是说对于人工智能系统进行训练使用的数据量越大，数据质量越好，人工智能系统的质量就越高，从这个意义上来讲AI自己也是一种大数据应用。

                                                               

 

       机器学习是人工智能的子集,深度学习是机器学习的子集，可是深度学习的影响是最大的，好比图像识别、语音识别、语义识别。

 

经常使用框架：

1． Scikit-Learn: 基于 Python 语言的机器学习工具, 该算法库显得较为保守。这主要体如今两个方面：一是Scikit-learn历来不作除机器学习领域以外的其余扩展，二是Scikit-learn历来不采用未经普遍验证的算法。

2． Tensorflow: 适合全部人的开放源代码机器学习框架。 是一个开放源代码软件库，用于进行高性能数值计算。借助其灵活的架构，能够轻松地将计算工做部署到多种平台（CPU、GPU、TPU）和设备上（桌面设备、服务器集群、移动设备、边缘设备等）。可为机器学习和深度学习提供强力支持，而且其灵活的数值计算核心普遍应用于许多其余科学领域。

3． Caffe（Convolutional Architecture for Fast Feature Embedding）：是一种经常使用的深度学习框架，主要应用在视频、图像处理方面的应用上。既能够在CPU上运行也能够在GPU上运行，并提供了一个完整的工具包，用来训练、测试、微调和部署模型。

4． CNTK：Microsoft 计算网络工具包 (CNTK) 是一个很是强大的命令行系统，能够建立神经网络预测系统。其真正用途在于与深度神经网络（具备两个或多个隐藏层，且节点之间可能存在复杂链接的网络）协同工做。

5． Keras：是一个用 Python 编写的高级神经网络 API，它可以以 TensorFlow, CNTK, 或者 Theano 做为后端运行。Keras 的开发重点是支持快速的实验。遵循减小认知困难的最佳实践，提供一致且简单的 API，它将常见用例所需的用户操做数量降至最低，而且在用户错误时提供清晰和可操做的反馈。Keras API 能够与 TensorFlow 工做流无缝集成。

6． PyTorch：是一个基于Python的深度学习平台,其前身是Torch。其简单易用上手快而且功能强大，从计算机视觉、天然语言处理再到深度强化学习功能等。

7． Paddlepaddle（PArallel Distributed Deep Learning）：是百度旗下一个易用、高效、灵活、可扩展的深度学习框架，兼容多种异构硬件,具备优异的训练&预测性能,官方支持多种领先模型,提供全流程的深度学习模块和组件，覆盖图像分类、个性化推荐、机器翻译等多个深度领域。