前幾天寫過一篇文章，利用 Python 深度學習識別滑動驗證碼缺口，這篇文章我介紹了利用 Python 深度學習識別滑動驗證碼缺口的解決方案，只需要幾百張圖片就能達到非常高的識別準確率。

我們在處理一些爬蟲問題的時候，比如說各類驗證碼的識別、文本處理、網(wǎng)頁智能解析等等，深度學習是一個非常適合的解決方案。如果你學會了深度學習，解決這些問題都不在話下。

當然深度學習肯定不止這些內(nèi)容，它的應用在業(yè)界非常之廣泛，在這里介紹一個課程，大家可以通過下面的介紹來了解下深度學習和目前非常流行的 PyTorch 框架。如果對課程感興趣，歡迎參加學習。

以下為原文：

機器學習算法一直是人工智能背后的推動力量，所有機器學習算法中最關鍵的是深度學習。

深度學習的發(fā)展和推進，在某種程度上就是一場框架的爭奪戰(zhàn)，其中 TensorFlow 和 PyTorch 是主流的兩個框架。

面對人工智能的快速發(fā)展

你不想學會一個快速上手的深度學習框架嗎？

你不想擁有一個簡潔、代碼易理解的框架嗎？

你不想擁有一個同時兼顧靈活性、易用性、速度快三方面的框架嗎？

那么 PyTorch 就是你的不二選擇。 

大家都知道的是，大量研究人員從 TensorFlow 轉投 PyTorch。

但是大家未必知道，這勢頭來的多么猛烈。來看看2018與2019年的各大頂會對比吧：

從上圖數(shù)據(jù)可以直觀的看出：PyTorch 只用了一年，便把弱勢變成了壓倒性優(yōu)勢。

可見，PyTorch 正在快速增長，在學術圈中地位一路飆升，大有取代“老大哥” TensorFlow，成為機器學習框架 No.1 的勢頭。

就目前的情況來看，PyTorch 已經(jīng)制霸學術界，release 代碼的論文大多數(shù)都用 Pytorch 完成的。

學術研究就用 PyTorch。

但是，現(xiàn)在市面上大多數(shù) PyTorch 課程的主要內(nèi)容是各種模型的介紹和實現(xiàn)，對 PyTorch 本身講解的過少，基于 Pytorch 的學習材料也比較少，導致很多學習過的小伙伴經(jīng)常向我吐槽：