keras訓(xùn)練好的網(wǎng)絡(luò)，怎么在c 程序中調(diào)用？我試著用其他的訓(xùn)練數(shù)據(jù)來(lái)調(diào)用Java。一些建議。首先，如果訓(xùn)練模型很小，可以先得到訓(xùn)練參數(shù)，然后用C語(yǔ)言調(diào)用，當(dāng)然，矩陣的計(jì)算需要自己準(zhǔn)備。我以前是這樣

keras訓(xùn)練好的網(wǎng)絡(luò)，怎么在c 程序中調(diào)用？

我試著用其他的訓(xùn)練數(shù)據(jù)來(lái)調(diào)用Java。一些建議。首先，如果訓(xùn)練模型很小，可以先得到訓(xùn)練參數(shù)，然后用C語(yǔ)言調(diào)用，當(dāng)然，矩陣的計(jì)算需要自己準(zhǔn)備。

我以前是這樣的，但它有很大的局限性。最大的問(wèn)題是這種方法的前提，當(dāng)模型不復(fù)雜時(shí)。這樣，公共應(yīng)用服務(wù)器仍然可以承受計(jì)算負(fù)載。

但是，如果模型復(fù)雜，則不建議這樣做。機(jī)器無(wú)法運(yùn)行，針對(duì)性的浮點(diǎn)優(yōu)化也無(wú)法在短時(shí)間內(nèi)解決。此時(shí)仍建議使用培訓(xùn)機(jī)通過(guò)web服務(wù)完成Python的遠(yuǎn)程調(diào)用，實(shí)現(xiàn)業(yè)務(wù)應(yīng)用。

keras已訓(xùn)練好模型，一段時(shí)間后又有新數(shù)據(jù)，如何在已有模型基礎(chǔ)上繼續(xù)做增量訓(xùn)練？

我也是一個(gè)菜鳥，可以作為溝通。。。

在我看來(lái)，如果網(wǎng)絡(luò)不需要調(diào)整（例如不添加新的類別），只需使用一個(gè)小的學(xué)習(xí)率來(lái)微調(diào)網(wǎng)絡(luò)的所有數(shù)據(jù)。

如果網(wǎng)絡(luò)結(jié)構(gòu)發(fā)生變化（如增加新的類別），在前期（如conv層）固定網(wǎng)絡(luò)參數(shù)，后期（如FC層）直接學(xué)習(xí)參數(shù)。然后放開凍結(jié)，微調(diào)大局。

Keras還是TensorFlow，程序員該如何選擇深度學(xué)習(xí)框架？

如果您想用少量代碼盡快構(gòu)建和測(cè)試神經(jīng)網(wǎng)絡(luò)，keras是最快的，而且順序API和模型非常強(qiáng)大。而且keras的設(shè)計(jì)非常人性化。以數(shù)據(jù)輸入和輸出為例，與keras的簡(jiǎn)單操作相比，tensorflow編譯碼的構(gòu)造過(guò)程非常復(fù)雜（尤其對(duì)于初學(xué)者來(lái)說(shuō)，大量的記憶過(guò)程非常痛苦）。此外，keras將模塊化作為設(shè)計(jì)原則之一，用戶可以根據(jù)自己的需求進(jìn)行組合。如果你只是想快速建立通用模型來(lái)實(shí)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(duì)較慢。如果高度包裝，上述缺點(diǎn)將更加明顯。除了一些對(duì)速度要求較低的工業(yè)應(yīng)用外，由于tensorflow的速度較高，因此會(huì)選擇tensorflow

如果您在驗(yàn)證您的想法時(shí)，想定義損失函數(shù)而不是使用現(xiàn)有的設(shè)置，與keras相比，tensorflow提供了更大的個(gè)性空間。此外，對(duì)神經(jīng)網(wǎng)絡(luò)的控制程度將在很大程度上決定對(duì)網(wǎng)絡(luò)的理解和優(yōu)化，而keras提供的權(quán)限很少。相反，tensorflow提供了更多的控制權(quán)，比如是否訓(xùn)練其中一個(gè)變量、操作梯度（以獲得訓(xùn)練進(jìn)度）等等。

盡管它們都提供了深度學(xué)習(xí)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(jì)算速度，可以使用tensorflow的thread函數(shù)來(lái)實(shí)現(xiàn)與多個(gè)線程的相同會(huì)話。此外，它還提供了調(diào)試器功能，有助于推斷錯(cuò)誤和加快操作速度。

學(xué)Python一定要會(huì)算法嗎？

開始時(shí)，您不必很好地學(xué)習(xí)算法。但是隨著技術(shù)的發(fā)展，仍然需要算法，否則只能做一些工作。

1. 學(xué)好軟件開發(fā)離不開計(jì)算機(jī)理論基礎(chǔ)，比如數(shù)據(jù)結(jié)構(gòu)、操作系統(tǒng)、網(wǎng)絡(luò)技術(shù)、算法研究等，如果你喜歡這項(xiàng)技術(shù)，那就不是問(wèn)題。先開始，你可以彌補(bǔ)。

2. 算法是軟件開發(fā)的靈魂。好的算法寫不出好的程序。

3. 如何學(xué)習(xí)算法，首先選擇經(jīng)典算法教材?；镜目梢詮臄?shù)據(jù)結(jié)構(gòu)中學(xué)習(xí)，其中包含一些基本的算法，然后再學(xué)習(xí)特殊的算法（實(shí)際上，在數(shù)據(jù)結(jié)構(gòu)領(lǐng)域?qū)W習(xí)算法一般就足夠了）。網(wǎng)上還有很多論壇、算法網(wǎng)站，為了吸引眼球，它們一般都很通俗易懂。大多數(shù)算法都是C語(yǔ)言，但是語(yǔ)言在算法層次上是相互聯(lián)系的，因此理解算法模型是最重要的。

4. 萬(wàn)事開頭難。只要你開始，剩下的就是慢慢操作這項(xiàng)技術(shù)。該算法在實(shí)際應(yīng)用中是最快、最強(qiáng)的。

我希望它能幫助你

雖然NVIDIA顯卡有CUDA，amd顯卡也有OpenCL。事實(shí)上，CUDA和OpenCL都是通用的并行計(jì)算，但CUDA是NVIDIA成熟的開發(fā)平臺(tái)，工具箱比較齊全，比較專業(yè)，比較封閉，OpenCL是一個(gè)開放的標(biāo)準(zhǔn)，應(yīng)用比較廣泛，被軟硬件廠商廣泛使用。

就科學(xué)計(jì)算而言，CUDA對(duì)開發(fā)人員更友好，應(yīng)用更廣泛。這與CUDA相對(duì)完整的開發(fā)工具包有很大關(guān)系。經(jīng)過(guò)多年的開發(fā)，CUDA擁有比OpenCL更好的生態(tài)系統(tǒng)，它更易于使用，對(duì)程序員也更友好。雖然OpenCL是開放的，但是它的API設(shè)計(jì)很怪異，缺乏一致性，并且它的函數(shù)不是正交的，這并不簡(jiǎn)單，它還遠(yuǎn)遠(yuǎn)不夠成熟。

Amd顯卡目前不支持CUDA，但只能支持OpenCL。在一些科學(xué)計(jì)算程序中，AMD顯卡的計(jì)算效率明顯低于N顯卡。這就是CUDA的優(yōu)勢(shì)。amd之所以沒(méi)有像CUDA那樣開發(fā)API，是因?yàn)閍md沒(méi)有足夠的實(shí)力來(lái)制定這個(gè)標(biāo)準(zhǔn)。英偉達(dá)早在2006年就開始在gtx8800顯卡上推出CUDA，經(jīng)過(guò)這么多年的發(fā)展，英偉達(dá)已經(jīng)投入了巨大的人力物力取得了今天的成績(jī)，包括一年一度的GTC大會(huì)，在CUDA和相關(guān)技術(shù)推廣方面做了大量的工作，而amd顯然缺乏這樣的工作。

事實(shí)上，作為同時(shí)開發(fā)CPU和GPU的半導(dǎo)體制造商，AMD要做到這一點(diǎn)并不容易。在資金不能大幅度增長(zhǎng)的情況下，顯卡業(yè)務(wù)只要做好自己的工作就非常好。至于新的API標(biāo)準(zhǔn)，顯然很難做到。我們只能期待OpenCL有一個(gè)更好的未來(lái)。

為什么A卡不像N卡那樣，開發(fā)類似CUDA的API，從而可以做科學(xué)計(jì)算？

呵呵，你才剛一年級(jí)，剛剛學(xué)了一點(diǎn)語(yǔ)言。甚至不是初學(xué)者。毫不夸張地說(shuō)，學(xué)習(xí)電腦就是拼數(shù)學(xué)。光靠學(xué)幾門語(yǔ)言你什么都做不了。特別是在編程實(shí)現(xiàn)某些函數(shù)時(shí)，如果數(shù)學(xué)學(xué)得不好，就不能設(shè)計(jì)出合適的算法。數(shù)學(xué)建模非常重要。我勸你不要想當(dāng)然。讓我們來(lái)看看傅立葉變換，這是最常見的一個(gè)高數(shù)字。利用傅立葉變換設(shè)計(jì)低通濾波器是圖像處理中最常用的基本功能之一。

同樣，機(jī)器語(yǔ)言本身是一個(gè)二進(jìn)制矩陣。圖像的本質(zhì)也是由像素組成的矩陣。然后你就會(huì)知道線性代數(shù)的重要性。然后對(duì)各種圖像、信號(hào)進(jìn)行放大和縮小，需要用到各種插值，那么你會(huì)后悔離散數(shù)學(xué)沒(méi)學(xué)過(guò)。當(dāng)你學(xué)習(xí)信息論和通信原理時(shí)，你會(huì)后悔沒(méi)有理解復(fù)變函數(shù)和概率。。。。。

即使是大二專業(yè)基礎(chǔ)課使用的數(shù)據(jù)結(jié)構(gòu)，堆棧、列、排序、二叉樹、哈希圖、遞歸等。。。。都是數(shù)學(xué)模型。。。

如果你真的想學(xué)好編程，你必須徹底地學(xué)習(xí)數(shù)學(xué)。至于編程語(yǔ)言，這完全是語(yǔ)法結(jié)構(gòu)的問(wèn)題。是一樣的。編程側(cè)重于算法。至于用什么語(yǔ)言，是膚淺和膚淺的。就像寫一本書，一部經(jīng)典，把它翻譯成任何語(yǔ)言。如廁讀物，如果你用八種語(yǔ)言寫的話，也是如廁讀物。

剛上大一，報(bào)的計(jì)科，學(xué)了一年的c和JAVA，都說(shuō)計(jì)算機(jī)和數(shù)學(xué)關(guān)系緊密，可為啥沒(méi)有感覺(jué)到？感到迷茫？

近年來(lái)，隨著信息社會(huì)、學(xué)習(xí)科學(xué)和課程改革的發(fā)展，深度學(xué)習(xí)是一種新的學(xué)習(xí)形式。

目前，對(duì)深度學(xué)習(xí)的概念有很多答案，很多專家學(xué)者的解釋是本質(zhì)意義一致的表述略有不同。

李嘉厚教授認(rèn)為，深度學(xué)習(xí)是建立在理解的基礎(chǔ)上的。學(xué)習(xí)者可以批判性地學(xué)習(xí)新的想法和事實(shí)，將它們?nèi)谌朐械恼J(rèn)知結(jié)構(gòu)，將許多想法聯(lián)系起來(lái)，并將現(xiàn)有的知識(shí)轉(zhuǎn)移到新的情境中，從而做出決策和解決問(wèn)題。

郭華教授認(rèn)為，深度學(xué)習(xí)是在教師指導(dǎo)下的一個(gè)有意義的學(xué)習(xí)過(guò)程，學(xué)生圍繞挑戰(zhàn)性的學(xué)習(xí)主題，全心投入，體驗(yàn)成功，獲得發(fā)展。它具有批判性理解、有機(jī)整合、建設(shè)性反思和遷移應(yīng)用的特點(diǎn)。

深度學(xué)習(xí)有幾個(gè)特點(diǎn)。一是觸動(dòng)人心的學(xué)習(xí)。第二，體驗(yàn)式學(xué)習(xí)。三是深入認(rèn)識(shí)和實(shí)踐創(chuàng)新的研究。