Answers of DL_list

[Liyulingyue]

关于本Issue：

• 本Issue是对 https://github.com/sunzhongkai588/LearnDL/blob/main/%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0%E6%A6%82%E5%BF%B5%E6%B8%85%E5%8D%95.md 中描述的回答和补充，较为简单的问题将以文字形式直接展示在Issue中。

框架基础原理（必修）

方向	概念	参考资料
综合	深度学习框架	深度学习框架可以被看做是一个库，使用该库提供的API接口，可以快捷高效的构造、训练和使用神经网络。以numpy为例，使用numpy可以通过调用numpy中实现过的方法进行矩阵运算，如果不使用numpy，则需要写多个循环，以对两个矩阵的各个元素进行相乘或相加。深度学习框架对于神经网络的作用，与numpy对于矩阵的作用是类似的。
数据结构	Tensor	与数组这个概念没有差别。称呼的起源可能源于物理名词“张量”，对于一般开发者而言，只需要理解为数组在神经网络中的一种称呼即可。
算子(OP, Operater)	一个函数，例如卷积OP，调用卷积OP即可实现卷积计算。通常来说，可以认为OP是较为底层的实现，封装了一些通用性较高的函数；而API可以认为是较为上层的函数，调用OP
Kernel	比OP更小的函数单元，例如，一维卷积，二维卷积，三维卷积等
	广播机制	矩阵的扩张策略。两个矩阵进行运算时需要保证两个矩阵具有符合要求的形状，如果两个矩阵的形状不同，广播机制可以将矩阵扩张为符合要求的形状。例如[1, 1]+[1, 2]=[2, 3]，虽然[1]和[1, 2]形状不同，但[1]可以被扩张为[1, 1]从而使得[1]+[1,2]=[2,3]。
计算图	计算图(Computational Graph)	流程图
	计算图控制流	-
	计算图生成方式1：静态图	Unimportant - 对全部语句生成图
	计算图生成方式2：动态图	Unimportant - 依赖于单一语句的算子优化/功能分发
	静态图	声明式编程。即类似于C的一种编程方式：首先需要在代码中对变量和逻辑进行声明，然后编译并运行；静态图类似的，需要通过一些语句设定输入输出变量，然后统一地运行。
	动态图	命令式编程。即更为贴合Python的一种编程方式。以x变量的赋值为例，在动态图中，可以通过x = paddle.uniform([1])创建变量，运行语句后，即可对x进行运算，并且实时获取运算结果；在静态图中，需要声明x，写入计算逻辑y = f(x)，并通过run()或者其他api执行上述语句，才能得到运算结果。从最终来看，两者没有区分，但从计算的角度来说，动态图更加便于调试。
	计算图调度	运筹规划，即对于给定的需求，适当的调整代码执行顺序，从而让程序运行的更快。
自动微分	数值微分	即记录相邻周期某一个神经网络中的元素的值，以差值作为该点的梯度
符号微分	类似于手动进行微分求导，参考matlab微分即可
自动微分	通过框架内部机制，将命令/代码进行拆解，并逐步求出结果
	雅克比矩阵	unimportant，用于给出不同隐藏层之间的导数关系，除此之外似乎没啥用
	飞桨自动微分机制	更适合称之为微分机制，而非自动微分机制。即计算时记录对应的结果，并计算对应的梯度
	...	...

模型组网（待定）

工程实践（待定）

方向	概念	参考资料
Git	git项目管理	-
	CI流水线	-
优化	图优化
	编译优化（硬件相关 & 硬件无关）	优化编译的过程/流程
	混合精度训练	即部分参数精度16位，部分32位
	Jit（just in time）	一种编译策略
部署	模型压缩	通过一些方式减小模型的大小，例如，将linear(8,4)减小为linear(8,2)，但产生的效果非常接近，极为成功的压缩
	模型推理（训练和推理的区别）	训练时需要进行梯度计算，推理则不需要
	推理框架	类似于深度学习框架，一个简单好用的API库。通常，我们可以用相同的框架进行训练和推理，但出于更高程度的要求，例如需要推理速度非常快，则可以在训练和推理使用不同的框架。
	...	...
分布式训练	分布式训练	即使用多个设备/CPU/GPU进行训练，用于提高训练效率。为什么分布式训练是个难点：以文档攥写为例，每个人都从头进行文档攥写，则过去了一段时间后，我们只能够获得一份文档，其他的文档都是重复性工作；因而神经网络在训练过程中，需要注重信息的交互，即梯度信息的反馈和综合。

[Liyulingyue]

@sunzhongkai588 孙师傅来看一下啦~我把一些感觉没啥必要&我不太懂的直接空着了哈哈哈哈

[sunzhongkai588]

非常感谢张师傅的春节贡献～太猛了，是个很精简的概念介绍。 关于unimportant的部分，我个人感觉是需要斟酌一下。 雅可比矩阵我理解，在自己手动实现自动微分时，是需要实现相关运算的雅可比矩阵才能做反向（如乘法的雅可比矩阵） 另外计算图的生成方式1、2，我本意是侧重于静态图和动态图是啥，不过看你后面补充了静态图动态图的定义，问题不大。

[a-strong-python]

@Liyulingyue 张师傅把问题解答都写完了，那我们岂不是只能疯狂修文档，合入PR了

[Liyulingyue]

@Liyulingyue 张师傅把问题解答都写完了，那我们岂不是只能疯狂修文档，合入PR了

你可以解答一个你更喜欢的版本~

[a-strong-python]

@Liyulingyue 张师傅把问题解答都写完了，那我们岂不是只能疯狂修文档，合入PR了

你可以解答一个你更喜欢的版本~

不了不了，我还是乖乖修文档吧