获取完整版–》请留言
框架和工具
Matlab
Matlab 即 matrix&laboratory，是一个数学软件（平台），而非一种语言或框架。其拥有自己的语法，基本数据单位是矩阵，专用于数值分析、矩阵计算、科学数据可视化、数学建模等
Octave
模仿 Matlab 设计免费开源软件，相比 Matlab 更轻量，且语法和 Matlab 兼容。
深度学习框架（配合Python/C/C++）
本质上都是函数库，对比可参考大佬对三个框架的demo
- 飞桨（PaddlePaddle）是百度的深度学习框架，入门较简单
- tensorflow 是谷歌开源并维护的深度学习框架，入门较困难，部署更方便，适合工业
- PyTorch 是Facebook开发的深度学习框架，训练更方便，适合研究
- Caffe
- mxnet
- Keras
常用标注软件
- LabelImg 目标检测
- LabelMe 目标检测、图像分割
- CVAT 图像分割
GPU
GPU的计算能力比CPU更强，适合做复杂的逻辑运算。卷积神经网络在训练和测试时需要大量的计算，使用GPU效率会更高，可能会服务器托管网有几百倍的差距。
建议使用 nvidia 而非 AMD 的GPU，因为很多深度学习框架是基于 nvidia 开发的
GPU本身也提供了加速能力，如 nvidia 的 TensorRT，通常先把其他框架转成 Onnx（作为转化中介的通用格式），再转成 TensorRT。
OpenCV
本身是个图像库，但也具有一些图像处理方面的深度学习内容
人工智能的历史
- 人工智能之父：图灵
提出了图灵机、图灵测试等概念 - 专家系统
假人工智能，基于人工定义规则解决特定问题 - 机器学习
通过学习数据E，在没有明确设置规则的情况下使机器提高完成任务T的能力P，并推广到未来新的数据上做出判断或预测。
相比专家系统更方便处理一些难以设置规则的复杂场景，如下棋AI、兴趣推荐、自动驾驶、CV（Computer V服务器托管网ision，包括图像识别、图像追踪、图像处理）、Natural Language Processing（NLP，自然语言处理）等领域 - 人工神经网络（深度学习）
弱人工智能，通常具有几千或几万个神经元（远小于人脑的几十亿）
其计算过程是黑盒，没有明确的规则。
通过对数据学习，获得预测和判断能力。
初级神经网络->浅层神经网络->深层神经网络->卷积神经网络，神经元逐步增多
近年来由于训练数据增多（手机、网络等的普及），GPU等硬件计算力变强（支持更多的神经层和参数），算法的创新优化，让深度学习快速发展
服务器托管，北京服务器托管，服务器租用 http://www.fwqtg.net
机房租用，北京机房租用，IDC机房托管， http://www.fwqtg.net
低代码开发近年来越来越受到关注，它是一种使用图形化界面和少量编码的方法来构建应用程序的开发方式。低代码开发的理念是帮助开发者在减少编码工作量的同时提高开发效率和加快应用程序的交付速度。下面将介绍低代码开发的特点和其在不同领域的应用。 低代码开发的主要特点包括：…
