君子不行陌路

摘要： 深度学习是机器学习的子集，工作流程是类似的，但在代码实现上有较大的差异：1、深度学习所需的样本量很大，一次加载全部数据运行可能会超出内存容量而无法实现 → 使用**批（Batch）处理**每次载入固定数量的样本送入模型，这种方式还能提高模型的性能。2、深度神经网络层数往往较多，同时会有一些用于实现特定功能的层，模型结构多样化 → “逐层”搭建，或者预先定义好可以实现特定功能的模块，再把这些模块组装起来。这种**“定制化”**方式对代码实现提出了新的要求。3、由于模型设定的灵活性，因此损失函数和优化器要能够保证**反向传播**能够在用户自行定义的模型结构上实现。4、在代码实现中，需要把模型和数据 “放到” **GPU**上去做运算，同时还需要保证损失函数和优化器能够在GPU上工作。 阅读全文