麒麟980厲害還是高通驍龍660厲害？謝謝。關于麒麟980能否擊敗小龍660的問題，我認為小龍660能夠擊敗麒麟980。首先，在工藝上，麒麟980是7Nm工藝，而snapdragon 660是14nm

麒麟980厲害還是高通驍龍660厲害？

謝謝。關于麒麟980能否擊敗小龍660的問題，我認為小龍660能夠擊敗麒麟980。首先，在工藝上，麒麟980是7Nm工藝，而snapdragon 660是14nm工藝，是麒麟980的兩倍！在CPU方面，snapdragon 660的A73比麒麟980的A76小，因此功耗更低。在GPU方面，snapdragon 660的adreno512比麒麟980的G76要大，所以snapdragon 660滴管麒麟980根本沒有壓力

與人工智能最有直接聯(lián)系的是什么大學專業(yè)呢？

社會對人工智能人才的需求正處于快速增長階段，與教育急需的差距尤為明顯。今年7月，26所高校聯(lián)合申請人工智能本科項目，北京大學等36所高校的79個人工智能項目將陸續(xù)揭曉。預計到2020年，將建成50所人工智能學院和其他研究中心，培養(yǎng)更多與人工智能相關的專門人才。

與專項研究相比，人工智能更像一本雜集。不同的學科帶來不同的思維和分析方式。從事人工智能工作的人可以分為兩類：部分理論和部分應用。

Keras還是TensorFlow，程序員該如何選擇深度學習框架？

如果您想用少量代碼盡快構建和測試神經網(wǎng)絡，keras是最快的，而且順序API和模型非常強大。而且keras的設計非常人性化。以數(shù)據(jù)輸入和輸出為例，與keras的簡單操作相比，tensorflow編譯碼的構造過程非常復雜（尤其對于初學者來說，大量的記憶過程非常痛苦）。此外，keras將模塊化作為設計原則之一，用戶可以根據(jù)自己的需求進行組合。如果你只是想快速建立通用模型來實現(xiàn)你的想法，keras可以是第一選擇。

但是，包裝后，keras將變得非常不靈活，其速度相對較慢。如果高度包裝，上述缺點將更加明顯。除了一些對速度要求較低的工業(yè)應用外，由于tensorflow的速度較高，因此會選擇tensorflow

如果您在驗證您的想法時，想定義損失函數(shù)而不是使用現(xiàn)有的設置，與keras相比，tensorflow提供了更大的個性空間。此外，對神經網(wǎng)絡的控制程度將在很大程度上決定對網(wǎng)絡的理解和優(yōu)化，而keras提供的權限很少。相反，tensorflow提供了更多的控制權，比如是否訓練其中一個變量、操作梯度（以獲得訓練進度）等等。

盡管它們都提供了深度學習模型通常需要的功能，但如果用戶仍然追求一些高階功能選擇，例如研究特殊類型的模型，則需要tensorflow。例如，如果您想加快計算速度，可以使用tensorflow的thread函數(shù)來實現(xiàn)與多個線程的相同會話。此外，它還提供了調試器功能，有助于推斷錯誤和加快操作速度。