preface
这一节就来讲讲深度学习的一些软件和硬件相关的内容，包括 CPU 和 GPU ，以及一些主流的深度学习框架
CPU & GPU
这里就是一个机箱里面 GPU 和 CPU 的安装位置，连我这个装机小白都清楚这些，看见绿色的 GEFORCE 就是财富的象征
训练神经网络就是吃显卡的性能，所以一台好的工作站通常会有好几块高性能的显卡
我们的训练数据放在硬盘中，模型在显卡中，因此要从硬盘中读取数据去训练，如果处理得不好的话，这部分可能会成为训练的瓶颈，所以我们一般用 SSD 而不是 HDD ，并且将所有的数据读到 RAM 中，并且用多线程 CPU 来预先取得数据
numpy & pytorch
随着技术的发展，已经有很多神经网络的框架出现，像 caffe ，tensorflow ，pytorch ，darknet 等等都是比较主流的框架，numpy 是 python 中用来做向量计算的库，底层用 C++ 实现，会提高运算的速度。用 numpy 实现一个神经网络的结构也是可以的，写起来很轻松，但是会有一些不方便的地方，比如用不了 GPU 加速，并且梯度也很难计算
用 pytorch 的话，语法和 numpy 非常相似，并且可以自动求梯度，而且可以指定使用 GPU 加速，因此我最喜欢的一个框架就是 pytorch 了，非常容易上手
有关 pytorch 更加具体的内容会在后面实际训练的时候再介绍，网上也有很多的 demo 可以参照，框架那么多，选择一款最适合自己的就好了，有些人也更加喜欢 tensorflow，都没问题，开心就好。
FEATURED TAGS
GitHub
git
markdown
say something
单片机
ROM
中断
linux
shell
ssh
MatLab
Regular Expression
C Programming
cpp
python
algorithm
security
Reverse Engineering
writeup
ctf
machine learning
reading notes
deep learning
JavaScript
OpenCV
Machine Vision
php
troubleshoot
sql
nginx
base64
Forensics
router
web
XSS
docker
curl
computer network
LaTeX
iptables
sqlmap
sql injection
object detection
paper
job
pytorch
matplotlib
blog
socket
torchscript
weakly supervised
image matting
model deployment
onnx
mmdetection
MOT
macOS
tools
mmcv