第2章

图像识别前置技术

本章将主要讲解目前主流的深度学习平台、如何搭建本书推荐的开发环境以及图像识别的前置技术Numpy。图像处理的大部分场景都需要将图像转换成向量（或者矩阵）以便于进行后续的图像识别处理。Numpy包中提供了非常好的矩阵运算，因此，学习并掌握Numpy，在后续的图像识别学习中会起到重要作用。

本章的要点具体如下。

• 深度学习平台概述。

• 搭建图像识别开发环境。

• Numpy的使用详解。

2.1　深度学习框架

近几年，深度学习技术的大爆炸式发展，除了理论方面的突破外，还有基础架构的突破，这些都奠定了深度学习繁荣发展的基础。本节将对其中涌现出的几个著名的深度学习平台进行简要介绍。

2.1.1　Theano

Theano是在BSD许可证下发布的一个开源项目，是由LISA集团（现MILA）在加拿大魁北克的蒙特利尔大学开发的，其是以一位希腊数学家的名字命名的。

Theano是一个Python库，可用于定义、优化和计算数学表达式，特别是多维数组（numpy.ndarray）。它的诞生是为了执行深度学习中的大规模神经网络算法，从本质上而言，Theano可以被理解为一个数学表达式的编译器：用符号式语言定义程序员所需的结果，并且Theano可以高效地运行于GPU或CPU中。

在过去很长一段时间内，Theano是深度学习开发与研究的行业标准。而且，由于出身学界，它最初是为学术研究而设计的，这也导致深度学习领域的许多学者至今仍在使用Theano。但随着Tensorflow在Google的支持下强势崛起，Theano日渐式微，使用Theano的人也越来越少。这个转变的标志性事件是：创始者之一的Ian Goodfellow放弃Theano转而去Google开发Tensorflow了。

尽管Theano已退出历史舞台，但作为Python的第一个深度学习框架，它很好地完成了自己的使命，为深度学习研究人员的早期拓荒提供了极大的帮助，同时也为之后的深度学习框架的开发奠定了基本的设计方向：以计算图为框架的核心，采用GPU加速计算。

总结：对于深度学习新手，可以使用Theano来练手；但对于职业开发者，建议使用Tensorflow。