tensorflow里的tensor是指 Keras还是TensorFlow，程序员该如何选择深度学习框架？

Keras还是TensorFlow，程序员该如何选择深度学习框架？

如果您想用少量的代码尽快地构建和测试神经网络，keras是最快的，而且sequential API和model非常强大。而且keras的设计非常人性化。以数据输入和输出为例，与keras的简单操作相比，tensorflow编译码的构造过程非常复杂（尤其对于初学者来说，大量的记忆过程非常痛苦）。此外，keras将模块化作为设计原则之一，用户可以根据自己的需求进行组合。如果你只是想快速建立通用模型来实现你的想法，keras可以是第一选择。

但是，包装后，keras将变得非常不灵活，其速度相对较慢。如果高度包装，上述缺点将更加明显。除了一些对速度要求较低的工业应用外，由于tensorflow的速度较高，因此会选择tensorflow

如果您在验证您的想法时，想定义损失函数而不是使用现有的设置，与keras相比，tensorflow提供了更大的个性空间。此外，对神经网络的控制程度将在很大程度上决定对网络的理解和优化，而keras提供的权限很少。相反，tensorflow提供了更多的控制权，比如是否训练其中一个变量、操作梯度（以获得训练进度）等等。

尽管它们都提供了深度学习模型通常需要的功能，但如果用户仍然追求一些高阶功能选择，例如研究特殊类型的模型，则需要tensorflow。例如，如果您想加快计算速度，可以使用tensorflow的thread函数来实现与多个线程的相同会话。此外，它还提供了调试器功能，有助于推断错误和加快操作速度。

机器学习和计算机视觉方向的CS硕士研究生，应该往python还是MATLAB发展？

机器学习和计算机视觉作为人工智能的重要组成部分，是近年来研究生们研究的热点。机器学习和计算机视觉需要处理各种算法，所以我们经常需要使用一些方便的工具来辅助研究，比如MATLAB就是一个常用的工具。

与Python相比，Matlab更像一个工具。虽然我经常说编程语言是一种工具，但python可以做除科学计算之外的其他事情，比如web开发。因此，Python是一种编程语言，而MATLAB更接近于一种工具。目前，matlab还支持语言输出。

因为我是作为一个程序员出生的，所以在早期我并不费心使用MATLAB。直到我们的一位同事在我面前展示了MATLAB的强大功能，我才对MATLAB更感兴趣，并用了一段时间。使用MATLAB有很强的方便性。以前需要很多代码的地方，只需要简单的配置，这样matlab就可以节省很多时间。如果你在做研究，你不需要实现这个项目，所以使用MATLAB绝对是一个不错的选择，你不必在编码上投入太多精力。

后来，我开始做机器学习，因为我的很多研究内容是要实现的（基于实际应用），所以我直接用python。在使用python之前，我使用了java（其中有更多的故事）。如果您需要在实践中使用该算法，那么必须正确地使用python。MATLAB擅长分析和建模。

Python机器学习需要使用numpy、Matplotlib和SciPy，使用起来并不复杂。学习Python也相对简单易用。

建议在研究生阶段学习Python，但这取决于导师的具体安排和指导。虽然他们都做机器学习，但我的研究更倾向于机器学习应用，所以我推荐python。