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?yàn)槟梢灾苯邮褂胟eras將torch 7模型轉(zhuǎn)換為Python模型和源代碼。GitH

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?yàn)槟梢灾苯邮褂胟eras

將torch 7模型轉(zhuǎn)換為Python模型和源代碼。GitHub地址clarwin/convert torch to上面的代碼將創(chuàng)建兩個(gè)文件并

示例：

verify

表中的所有模型都可以轉(zhuǎn)換，并且結(jié)果已經(jīng)過驗(yàn)證。

網(wǎng)絡(luò)下載地址：alexnetcnn-benchmarks-perception-v1cnn-benchmarks vgg-16cnn-benchmarks vgg-19cnn-benchmarks resnet-18cnn-benchmarks resnet-200cnn-benchmarks resnext-50（32x4d）resnext-101（32x4d）resnext-101（64x4d）resnextdensennet-264（k=32）densenetensenet-264（k=48）densenet

還有很多位置需要確定精通Python語言。Python被稱為編程語言中的通用粘合劑。比如它可以用來做爬蟲、網(wǎng)頁、操作和維護(hù)，現(xiàn)在流行的Ai都可以用python，但是我覺得python適合數(shù)據(jù)科學(xué)。

一方面，python有很多專門用于數(shù)據(jù)科學(xué)的數(shù)據(jù)包，非常方便。學(xué)完這門語言，你就會(huì)愛上它。然而，數(shù)據(jù)科學(xué)語言的知識(shí)背景也非常廣泛。從統(tǒng)計(jì)學(xué)到計(jì)算機(jī)理論的每一個(gè)分支都需要不斷學(xué)習(xí)以跟上時(shí)代的步伐。

另一方面，Python現(xiàn)在越來越流行。當(dāng)然，很多因素都是媒體和一些培訓(xùn)機(jī)構(gòu)造成的。但這也說明Python的發(fā)展趨勢(shì)仍在上升?，F(xiàn)在教育部新成立了人工智能，競(jìng)爭(zhēng)只會(huì)越來越激烈。

pytorch模型如何轉(zhuǎn)成torch7模型？

無論人工智能機(jī)器人多么先進(jìn)，無論科學(xué)技術(shù)多么先進(jìn)，它也有人造機(jī)器人。人們的一舉一動(dòng)、眼神接觸、面部表情，當(dāng)他們高興的時(shí)候，他們就像鮮花盛開在晴朗的天空中；當(dāng)他們不高興的時(shí)候，他們被眼前的人或事激怒，他們像雷雨一樣咆哮。

機(jī)器人的功能不是由人設(shè)定的。隨著科學(xué)技術(shù)的發(fā)展，它的功能也在不斷完善。set功能有限。人的思維是無限的，想象力是無窮的。它是任何機(jī)器人都無法替代的。

普通人的大腦利用率僅為20%。大部分未被充分利用的腦細(xì)胞占總細(xì)胞的一半以上。大多數(shù)從事科學(xué)研究的人使用量不超過總數(shù)的一半。愛因斯坦的大腦利用率定律只有50%左右。大腦使用得越好，它就變得越靈活，也就越開放。有些人的大腦不一定有多好，只是因?yàn)榕ぷ?，想多做一些，做出比常人更多的成?jī)，很多人認(rèn)為她的智力特別高。