PyTorch和Gluon有什么區(qū)別？兩者都是深度學(xué)習(xí)平臺，可用于卷積神經(jīng)網(wǎng)絡(luò)、RNN等深度學(xué)習(xí)模型的構(gòu)建、訓(xùn)練和學(xué)習(xí)。首先，不同的公司提供支持。Python來自Facebook，glion來自Ama

PyTorch和Gluon有什么區(qū)別？

兩者都是深度學(xué)習(xí)平臺，可用于卷積神經(jīng)網(wǎng)絡(luò)、RNN等深度學(xué)習(xí)模型的構(gòu)建、訓(xùn)練和學(xué)習(xí)。

首先，不同的公司提供支持。Python來自Facebook，glion來自Amazon。

那么，類型定位就不同了。如果詳細(xì)劃分，Python是一個靈活的后端深度學(xué)習(xí)平臺，tensorflow和mxnet被視為一種類型，glion是一個高度集成的前端平臺，keras是一種類型。也就是說，glion的一個函數(shù)或?qū)ο蠹闪薽xnet的多個功能，glion的一個命令就可以完成mxnet的開發(fā)，就像keras使用tensorflow作為后端一樣，keras高度集成了這些后端平臺的功能。

其次，編程方法，Python是基于命令編程的，簡單但速度有限，glion結(jié)合了符號編程和命令編程，既快又簡單。

最后，靈活性。Python的集成度沒有g(shù)lion那么高，所以它是高度可定制的。膠子的集成度太高，靈活性有限。

為了寫論文不做深入的研究，代碼水平低選擇tensorflow還是pytorch比較好？

Tensorflow很好，因為可以直接使用keras

您好，信號的特征提取實際上是數(shù)學(xué)上的濾波運算，實際上是通過卷積實現(xiàn)的。這里是一個matlab實現(xiàn)：函數(shù)r=myconv（a，b）m=length（a）n=length（b）r=zeros（1，mn-1）表示k=1:m