深度学习，一直在了解之中啦！不过由于数学基础的问题，始终在门口徘徊，最近发现了一些有趣的内容，分享一下，希望大家都能早日入门！

R语言版本的torch包

基于PyTorch的开源机器学习框架。Torch 通过强大的 GPU 加速和基于tape的自动分级系统构建的神经网络库，提供快速阵列计算。torch for R (mlverse.org)好处是如果对python不熟悉，对Ry语言比较熟悉的话，可以方便地使用R语言，torch框架进行深度学习的训练。或许深度学习从这里起步也是可能的。看起来是得到了Rstudio的支持。劣势是还在开发中，刚刚起步，可能有些bug。

install.packages("torch")
# 示例
library(torch)
x <- array(runif(8), dim = c(2, 2, 2))
y <- torch_tensor(x, dtype = torch_float64())
y
#> torch_tensor
#> (1,.,.) = 
#>   0.7658  0.6123
#>   0.3150  0.4639
#> 
#> (2,.,.) = 
#>   0.0604  0.0290
#>   0.9553  0.6541
#> [ CPUDoubleType{2,2,2} ]
identical(x, as_array(y))
#> [1] TRUE

TensorFlow for R

看起来也是rstudio支持的，不过这个是通过r-reticulate，这个工具大家应该接触过的，可以在R语言和python之间传递数据。

“

reticulate包涵盖了用于Python和R之间协同操作的全套工具，在R和Rstudio中均可使用，主要包括：1）在R中支持多种方式调用Python。包括R Markdown、加载Python脚本、导入Python模块以及在R会话中交互式地使用Python。2）实现R和Python对象之间的转换(例如R和Python数据框、R矩阵与NumPy数组之间)。3）灵活绑定到不同版本的Python，包括虚拟环境和Conda环境。

https://tensorflow.rstudio.com/

rTorch包

一个Torch的 R 包装器。提供了PyTorch的所有功能以及R提供的所有功能。类似于第二个，不过好处是如果你对pytorch熟悉，基本可以直接用啦，不过如果熟悉pytorch，大概不会用R语言吧。。。好像最近也没有更新过。包装 – R文档 (rdocumentation.org)最后，如果想深度学习玩的愉快，可以考虑自动深度学习呀，autogluon这个就很棒，据说已经实用水平啦，十行代码出n个模型，还帮你选出最好的。关于这个，可以参考：机器学习or深度学习，都不可错过的开源库AutoGluon

当然，常用的深度学习框架都是有R语言的API的，可以直接调用，比如百度的Paddle框架，在中美竞争前提下（GPU都开始在产业界禁运。。。），或许我们会用上Paddle作为备份呢！期待国产显卡的崛起呀！

深度（机器）学习早已经不是高大上的东西，它已经化为生产力实实在在地用在了我们的工作和生活中，未来他的门槛一定会更低的，是我们每个人都需要使用也会使用的工具，应该是随手可得，现在就有网页工具也能解决专门的问题。以前说深度学习不能创造，不懂艺术，现在AI画画已经人人可用，不过暂时认为AI还是没感情的，不过，或许哪天这个也会被否定呢。