北京比较好的实惠的白癜风医院 http://m.39.net/pf/bdfyy/bdfjc/

点击上方“小白学视觉”，选择加"星标"或“置顶”

重磅干货，第一时间送达

围绕深度学习的“噪声”经常误导外行人以为这是一种新发明的技术，使他们为之一振的是当他们知道深度学习早在-年代就奠定了基础。还有很长的历史，其中最流行的深层神经网络结构和理论已经在整个20世纪后半期提出深的学问。如果是这种情况，那么你们可能会问，为什么在当前时代发生了深度学习革命，为什么不回溯几十年。

简单来说，在那些时期内，不存在有效训练大型神经网络所需的正确硬件和计算能力。因此所有的理论大部分都在纸上，没有实际的支持。尽管专门的研究人员继续在神经网络上开展工作，直到年代下半叶，当硬件革命开始兴起时，但它大部分都是不切实际的理论。

深度学习中早期使用GPU的极简史NVIDIA于年推出了首款商用GPUGeForce，并在年代开始将自己定位为GPU技术的领先创新者，以推动图形业发展。代表图形处理单元的GPU由于其并行处理能力可以使游戏的图形帧比CPU快得多，因此开始获得游戏玩家的青睐，从而提供了无缝的游戏体验。NVIDIA在年发布了面向软件程序员的框架CUDA（计算机统一设备架构），他们可以利用CUDAAPI在NVIDIAGPU上进行GPU上的通用计算（GPGPU）。除了在图形处理中的传统用途外，CUDA还允许工程师和科学家在需要并行计算的其他领域使用GPU，尤其是在那些令人尴尬的并行且无需任何操作的任务中。如果你们了解神经网络的数学原理，则应该认识到它的矩阵运算属于令人尴尬的并行计算类别，因此使其成为GPGPU的理想选择。

图1并行执行神经网络的矩阵计算

KumarChellapilla于年在GPU上实现CNN是已知的将GPU用于深度学习的最早尝试。斯坦福大学教授和Coursera的创始人安德鲁·伍（AndrewNG）自年以来就是使用GPU进行深度神经网络的早期支持者之一，其他很少有研究人员在CUDA的帮助下，在-年之后开始积极地进行GPU实验。但是，它是年Imagenet挑战图像分类模型Alexnet的获胜者事实证明，这是具有GPU加速功能的具有里程碑意义的深度学习模型。绝对不是在深度学习中首次使用GPU，而是在这一盛大的阶段赢得了它的狂热地位和主流媒体的


转载请注明地址:http://www.jidanhuaa.com/jdhwh/6622.html