新一代人工智能技術(shù)的發(fā)展，離不開(kāi)芯片與深度學(xué)習(xí)框架兩大基礎(chǔ)，隨著中國(guó)科研創(chuàng)新能力的提升，技術(shù)領(lǐng)域取得大量突破。

當(dāng)然，這也是一種技術(shù)封鎖的倒逼，今年出現(xiàn)的華為芯片供應(yīng)鏈被全面封鎖，和工科神器MATLAB被禁事件，這兩件事情加起來(lái)，迫使我國(guó)要從基礎(chǔ)架構(gòu)平臺(tái)到應(yīng)用系統(tǒng)等，全方位建設(shè)自主知識(shí)的優(yōu)秀產(chǎn)品。

01

發(fā) 展

而深度學(xué)習(xí)作為人工智能的核心技術(shù)，近年來(lái)無(wú)論是學(xué)術(shù)、還是工業(yè)領(lǐng)域，均發(fā)揮著愈加重要的作用。

過(guò)去十年，深度學(xué)習(xí)領(lǐng)域涌現(xiàn)了大量算法和應(yīng)用。在這些深度學(xué)習(xí)算法和應(yīng)用涌現(xiàn)的背后，是各種各樣的深度學(xué)習(xí)工具和框架。它們是機(jī)器學(xué)習(xí)革命的腳手架：TensorFlow 和 PyTorch 等深度學(xué)習(xí)框架的廣泛使用，使得許多 ML 從業(yè)者能夠使用適合的領(lǐng)域特定的編程語(yǔ)言和豐富的構(gòu)建模塊更容易地組裝模型。

回顧深度學(xué)習(xí)框架的演變，我們可以清楚地看到深度學(xué)習(xí)框架和深度學(xué)習(xí)算法之間的緊密耦合關(guān)系。這種相互依賴(lài)的良性循環(huán)推動(dòng)了深度學(xué)習(xí)框架和工具的快速發(fā)展。

02

趨 勢(shì)

我們正在處于一場(chǎng)人工智能革命的黎明，人工智能領(lǐng)域的新研究和應(yīng)用框架，正在以前所未有的速度涌現(xiàn)。

八年前的AlexNet 網(wǎng)絡(luò)僅僅包含6000 萬(wàn)個(gè)參數(shù)，最新的 GPT-3 網(wǎng)絡(luò)包含 1750 億參數(shù)，網(wǎng)絡(luò)規(guī)模在 8 年內(nèi)增加了 3000 倍。但是人類(lèi)的大腦包含100萬(wàn)億個(gè)突觸，也就相當(dāng)于參數(shù)。所以，神經(jīng)網(wǎng)絡(luò)要達(dá)到人類(lèi)的智能水平還有很大的差距。

這種難以接受的網(wǎng)絡(luò)規(guī)模，對(duì)現(xiàn)有的模型訓(xùn)練和推理的硬件、軟件計(jì)算效率都提出了很大的挑戰(zhàn)。未來(lái)的深度學(xué)習(xí)框架很可能是算法、高性能計(jì)算、硬件加速器和分布式系統(tǒng)的跨學(xué)科成果。

03

挑 戰(zhàn)

然而，對(duì)于深度學(xué)習(xí)相關(guān)的初學(xué)者，還是對(duì)于已經(jīng)從事相關(guān)工作的算法工程師來(lái)說(shuō)，深度學(xué)習(xí)理論太難學(xué)，開(kāi)發(fā)過(guò)程太復(fù)雜，又將許多人拒之于深度學(xué)習(xí)的門(mén)外。

而大廠等一線企業(yè)在這方面的需求也是迫在眉睫，阿里云也正式開(kāi)深，是業(yè)界首個(gè)面向NLP場(chǎng)景的深度遷移學(xué)習(xí)框架。人才渴求之大，人才缺口一場(chǎng)嚴(yán)峻。

04

機(jī) 遇

那么，作為我們學(xué)習(xí)深度學(xué)習(xí)的時(shí)候，究竟是學(xué)哪個(gè)框架呢？是學(xué)PyTorch、還是學(xué)Tensorflow、再或者是學(xué)Keras呢？其實(shí)，對(duì)于這樣的問(wèn)題，基于現(xiàn)在的形勢(shì)下，你就不要把著眼點(diǎn)放在這些工具的使用上了，重要的是要知道它的原理。

責(zé)任編輯：lq