其實我覺得並不是tensorflow殺了keras，而是keras堅守靜態圖的路線把自己堵死了，我在開發trident api時一開始在掙扎在整入tensorflow時該不該沿用keras，我後來決定棄守keras，keras對外包裝出簡潔的api，但背後代碼雜亂臃腫，若只是開發新的layer沒問題，但是要達到我希望做到讓tensorflow與pytorch共用相同api的目標鐵定是沒辦法的，尤其是涉及動態圖的功能幾乎都無法實現，所以我後來是基於tf.module為基礎整個重寫了對tensorflow的api
https://mp.weixin.qq.com/s/PqXmFPi0qdSQWu-1hOREXw

[文章推薦] 深度學習框架（Frameworks）簡史：TensorFlow 與 PyTorch 的前世今生（簡中）

「深度学习框架简史：TF和PyTorch双头垄断，未来十年迎来黄金时期」
網址： https://bit.ly/37niIM8

----------

今天想要分享給大家的，雖然不是什麼了不起的文章。不過我覺得對於想知道「TensorFlow、PyTorch」這兩個深度學習框架的朋友，應該有一定程度的幫助。所以還是轉念分享給大家！

「深度學習」已經是人工智慧領域裡，很熱門的一個學科。它可以幫助你把「照片」、「文章」這些「非結構化資料」，自動抽取其特徵，然後送入神經網路裡面去學習、進而變成一個成熟的「神經網路模型」，持續辨認、分類相似的照片與文章。

在 2016 年之前，你想寫一個神經網路模型，得經過重重磨難，學習微積分、梯度...等大量數學概念後，才有辦法做到。但 2016 年 TensorFlow、PyTorch 橫空出世，讓撰寫一個神經網路模型，只要短短十行左右的程式碼，接著就是把資料集丟入寫好的程式碼就可以了。什麼偏微分、梯度下降...等數學或最佳化演算法，TensorFlow 或 PyTorch 都可以幫你搞定。

經過 2016~2020 四年的神經網路框架戰國時代，目前 TensorFlow 與 PyTorch 儼然已經成為神經網路框架的雙霸主。對於初學者，大部分的書籍都會推薦你去學 TensorFlow（嚴格來說，是架構在 TensorFlow 上面的另一個更簡單的框架 Keras）。但對於已經有經驗的神經網路工程師，則偏好 PyTorch 的靈活與可控制性。

拿個不太精確的比喻來說，TensorFlow 像手排車，架構在 TensorFlow 之上的 Keras 像是自排車。而 PyTorch 就像手自排。真正的賽車好手，可能會硬杠 TensorFlow（手排）。而一般民眾，可能會喜歡 Keras（自排）。但是介於「賽車手」與「一般民眾」之間的「發燒車友」，就會喜歡 PyTorch（手自排）。

如果您也想稍微了解一下深度學習框架的來龍去脈，不妨參考一下這篇文章。說不定會得到更多關鍵字，讓你能在 Google 上找到更多你想學習的深度框架細節喔～

希望今天的分享大家會喜歡！祝福大家收穫多多喔！

PS: 本文歡迎轉發、按讚、留言鼓勵我一下！您的隻字片語，都是讓我繼續提供好物的動力喔！
--------
看更多的紀老師，學更多的程式語言：

● YOTTA Python 課程購買： https://bit.ly/2k0zwCy
● YOTTA 機器學習 課程購買： https://bit.ly/30ydLvb
● Facebook 粉絲頁： https://goo.gl/N1z9JB
● YouTube 頻道： https://goo.gl/pQsdCt

如果您覺得這個粉絲頁不錯，請到「評論區」給我一個好評喔！
https://www.facebook.com/pg/teacherchi/reviews/

本課程的目的是提供學生設計和開發自動駕駛車輛的主要知識。 課程提供了各種自駕駛車輛的實際經驗，例如機器學習和電腦視覺。 這些概念包括車道偵測、交通標誌分類、車輛 / 物件探測、人工智慧和深度學習等概念。 本課程針對希望獲得對自動駕駛車輛控制的基本理解的學生設計。建議修這門課的學生具備基本的程式設計知識。 至於其他主題，在起始的講座會廣泛涉及; 因此，沒有必要的先決知識，只要具備基本程式設計知識的學生都有辦法跟上。 參加這個自動駕駛汽車課程的學生將掌握無人駕駛汽車技術，這些技術將重塑交通運輸的未來。

我們將涵蓋的工具和演算法包括:

✅OpenCV
✅深度學習和人工神經網路
✅卷積( Convolutional )神經網路
✅模板匹配( Template matching )
✅HOG 的特徵提取
✅SIFT 、 SURF、FAST 和 ORB
✅Tensorflow 和 Keras
✅線性迴歸和邏輯迴歸
✅決策樹( Decision Trees )
✅支援向量機( Support Vector Machines，SVM )
✅Naive Bayes

https://softnshare.com/autonomous-cars-deep-learning-and-computer-vision-in-python/