對于iPhone的faceID，你有沒有細(xì)思極恐？我得仔細(xì)想想。我擔(dān)心如果蘋果用你的臉來貸款幾億，你會很痛苦。所以你不能用蘋果。你必須使用華為。如果你愛國，就得用華為。華為給我添了智慧哈哈，你才剛上大

對于iPhone的faceID，你有沒有細(xì)思極恐？

我得仔細(xì)想想。我擔(dān)心如果蘋果用你的臉來貸款幾億，你會很痛苦。所以你不能用蘋果。你必須使用華為。如果你愛國，就得用華為。華為給我添了智慧

哈哈，你才剛上大學(xué)，學(xué)了一點語言。甚至不是初學(xué)者。毫不夸張地說，學(xué)習(xí)電腦就是拼數(shù)學(xué)。光靠學(xué)幾門語言你什么都做不了。特別是在編程實現(xiàn)某些函數(shù)時，如果數(shù)學(xué)學(xué)得不好，就不能設(shè)計出合適的算法。數(shù)學(xué)建模非常重要。我勸你不要想當(dāng)然。讓我們來看看傅立葉變換，這是最常見的一個高數(shù)字。利用傅立葉變換設(shè)計低通濾波器是圖像處理中最常用的基本功能之一。

同樣，機(jī)器語言本身是一個二進(jìn)制矩陣。圖像的本質(zhì)也是由像素組成的矩陣。然后你就會知道線性代數(shù)的重要性。然后對各種圖像、信號進(jìn)行放大和縮小，需要用到各種插值，那么你會后悔離散數(shù)學(xué)沒學(xué)過。當(dāng)你學(xué)習(xí)信息論和通信原理時，你會后悔沒有理解復(fù)變函數(shù)和概率。。。。。

即使是大二專業(yè)基礎(chǔ)課使用的數(shù)據(jù)結(jié)構(gòu)，堆棧、列、排序、二叉樹、哈希圖、遞歸等。。。。都是數(shù)學(xué)模型。。。

如果你真的想學(xué)好編程，你必須徹底地學(xué)習(xí)數(shù)學(xué)。至于編程語言，這完全是語法結(jié)構(gòu)的問題。是一樣的。編程側(cè)重于算法。至于用什么語言，是膚淺和膚淺的。就像寫一本書，一部經(jīng)典，把它翻譯成任何語言。如廁讀物，如果你用八種語言寫的話，也是如廁讀物。

剛上大一，報的計科，學(xué)了一年的c和JAVA，都說計算機(jī)和數(shù)學(xué)關(guān)系緊密，可為啥沒有感覺到？感到迷茫？

如果您想用少量代碼盡快構(gòu)建和測試神經(jīng)網(wǎng)絡(luò)，keras是最快的，而且順序API和模型非常強(qiáng)大。而且keras的設(shè)計非常人性化。以數(shù)據(jù)輸入和輸出為例，與keras的簡單操作相比，tensorflow編譯碼的構(gòu)造過程非常復(fù)雜（尤其對于初學(xué)者來說，大量的記憶過程非常痛苦）。此外，keras將模塊化作為設(shè)計原則之一，用戶可以根據(jù)自己的需求進(jìn)行組合。如果你只是想快速建立通用模型來實現(xiàn)你的想法，keras可以是第一選擇。

但是，包裝后，keras將變得非常不靈活，其速度相對較慢。如果高度包裝，上述缺點將更加明顯。除了一些對速度要求較低的工業(yè)應(yīng)用外，由于tensorflow的速度較高，因此會選擇tensorflow

如果您在驗證您的想法時，想定義損失函數(shù)而不是使用現(xiàn)有的設(shè)置，與keras相比，tensorflow提供了更大的個性空間。此外，對神經(jīng)網(wǎng)絡(luò)的控制程度將在很大程度上決定對網(wǎng)絡(luò)的理解和優(yōu)化，而keras提供的權(quán)限很少。相反，tensorflow提供了更多的控制權(quán)，比如是否訓(xùn)練其中一個變量、操作梯度（以獲得訓(xùn)練進(jìn)度）等等。

盡管它們都提供了深度學(xué)習(xí)模型通常需要的功能，但如果用戶仍然追求一些高階功能選擇，例如研究特殊類型的模型，則需要tensorflow。例如，如果您想加快計算速度，可以使用tensorflow的thread函數(shù)來實現(xiàn)與多個線程的相同會話。此外，它還提供了調(diào)試器功能，有助于推斷錯誤和加快操作速度。