深度训练核心

1. 为什么深度学习中要搞出tensor这种概念，而不是直接用numpy里的array呢？
2. 究竟深度学习在干什么？
3. 深度学习的应用领域和就业方向是什么？

为什么深度学习中要搞出tensor这种概念，而不是直接用numpy里的array呢？

谢邀。对咱介个门外汉来说，介都是专业知识，说也是瞎说，介几个英文单词还不太熟悉，专门在网上查了一下，是张量，库，数组的对应。不就瞎说嘛，要是纯粹用库和数组，那是一般的科学计算，只不过量大了一些。既然是卷积计算，那肯定要有溢出效应，有不确定性在里头，那肯定，引入张量，比库和数组要强喽！！！（nen）觉得偶是不是在瞎说？哈哈哈ꉂꉂ(ᵔᗜᵔ*)！[泪奔][我想静静][笑哭][笑哭][笑哭][笑哭][赞][耶]

深度学习中要使用tensor这种概念，而不是直接使用numpy里的array，是因为深度学习需要处理大规模的数据，而tensor可以提供更高效的计算和存储方式。

首先，tensor可以在GPU上进行并行计算，而numpy的array只能在CPU上进行计算。GPU有比CPU更多的核心和更高的内存带宽，可以更快地处理大规模的数据。因此，使用tensor可以大大提高深度学习模型的训练速度和效率。

其次，tensor支持自动求导，这是深度学习中非常重要的功能。自动求导可以自动计算模型中每个参数的梯度，从而更好地优化模型。而numpy的array并不支持自动求导，需要手动计算每个参数的梯度，这非常繁琐且容易出错。

另外，tensor还可以支持分布式计算，这在大规模的深度学习模型中非常有用。分布式计算可以将计算任务分配给多个计算节点，从而加速计算并降低计算成本。而numpy的array并不支持分布式计算。

此外，tensor还可以支持多种数据类型和形状，可以更好地适应不同的数据需求。而numpy的array只支持一种数据类型和形状，不够灵活。

总之，深度学习中使用tensor这种概念，而不是直接使用numpy里的array，是因为tensor可以提供更高效、更灵活、更方便的计算和存储方式。这使得深度学习模型的训练和优化更加高效和便捷。

究竟深度学习在干什么？

今天我谈一些经过个人实践的一些可以落地视角和方法。

所谓设计其实是指一个过程，在这个过程中***取一定的思维及思维方法，而深度学习就是要使用一系列的思维及思维方法来设计学到的知识，把学到的知识跟已有的知识联系起来，而这种联系就会打破原有知识的结构，重新塑造出一个新的知识结构。

系统思维

减法思维

还原法思维

***设性思维

创新的思维【水平思维】

抱着这个视角会有很大的问题，因为一个人的学习，不仅是学习书中的知识，而且要重构知识，每个人都有现有的知识存量，要把新学到的知识通过设计嵌入到已有的知识系统。

设计一个简单的形式来表述知识，形式就是指结构的外形可、可视化、形象化，并同时形成一种样式与秩序。而这个设计就要用到一些思维的方法【系统思维、减法思维、还原法思维、等等】。知识要经过自己的设计转一手，嵌入到已有的知识体系。

深度学习，就是在你读书的过程中，不仅是获取知识，而且还要生成知识，而这个生成的知识，就是透过设计。

深度学习的应用领域和就业方向是什么？

深度学习源于人工神经网络的研究，深度学习是机器学习研究中的一个新领域，其动机在于建立、模拟人脑进行分析学习的神经网络，它模仿人脑的机制来解释数据，例如图像，声音和文本。

深度学习在计算机视觉领域取得了令人惊喜的成就，比如用在医疗成像上，可以准确排查出恶性肿瘤，为病人的治疗提供了可靠的依据，争取了时间。

深度学习的人脸识别技术对公安服务领域产生了重大影响，在火车站、酒店等人员常出入的场所出入口安装有人脸识别摄像机，对出入人员抓拍人脸识别查证，将抓拍图片或识别结果上传公安系统，这很大程度减少了公安部门的工作压力，更是精准的对一些不发分子的行踪进行了强有力的把控。

深度学习在更加广泛的领域都产生了足够深远的影响。

深度学习就业方向有深度学习算法工程师、TensorFlow深度学习工程师、深度学习高级研究员、深度学习框架开发工程师、深度学习推理优化引擎研发专家等。