一年一度的PyCon大会上周在俄亥俄Cleveland举行，youtube上早早放出了talk列表。虽然PyCon聚焦Python语言本身，但是关于数据科学和AI的talk也不在少数。
David 9感兴趣talk之一就是来自PyLadies的Stephanie Kim关于PyTorch介绍：
太多小伙伴问David 9 哪个深度学习框架好？用TensorFlow还是PyTorch好 ?
现在是时候结合这个talk给大家讲清楚了。
首先，框架各有自己的优势，关键是你项目需要和个人喜好：
如果你的项目和RNN强相关，并且希望写RNN模型的时候更轻松敏捷，或者，你是从事科学研究的人员，那么PyTorch更适合你； 如果你项目定位是一个稳定产品（TensorFlow Serving），或者你注重高效训练，并且想把模型移植到轻量级移动端（TensorFlow Lite）, 那么选择Tensorflow更合适。 继续阅读PyCon 2018数据科学talk盘点#1，入坑PyTorch前你需要知道的事，为什么要用PyTorch，以及PyTorch与TensorFlow的区别
有时候，读读工程类的文章，虽然简单，但是能看到别人踩过的坑用过的tricks，也是挺有意思。NVIDIA不久前放出的协同过滤新标杆DeepRecommender 以Netfix 2009年的netflixprize竞赛数据为基准，使用基于自编码器的协同过滤，准确率比普通模型都高。
netflixprize竞赛目标非常简单，预测一个用户对一部影片评分的可能值（Netflix要推荐用户最感兴趣的影片来赚钱，不是吗？）事实上，评价竞赛分数的loss函数也很简单，是一个均方误差：
ri是真实评分，yi是模型预测评分，mi是一个外加的mask控制项，如果真实评分ri=0，那mi=0，否则mi就可以等于1. 继续阅读DeepRecommender：基于自编码器的协同过滤(Collaborative Filtering)，英伟达论文选读及其pytorch实现
OpenFace是一款优秀的开源深度学习人脸识别库。如果你熟悉torch，python或者lua，这款丰富的人脸识别库更是一款不可多得的工具。
今天David 9 就带大家手把手训练一个人脸识别模型，测试一下你像哪个明星？
1. 下载openface的docker镜像，免去你配置openface的过程：
docker pull bamos/openface
2. 跑这个docker镜像，进入项目目录：
docker run -v /Users:/host/Users -p 9000:9000 -p 8000:8000 -t -i bamos/openface /bin/bash cd /root/openface
注意 -v /Users:/host/Users 这个参数是必要的。因为docker中的openface项目还没有训练数据集，把你本地的/Users目录挂载到docker镜像中的/host/Users目录，可以方便你复制一些用于训练的图片数据集。 继续阅读OpenFace手把手入门之 — 快速训练一个人脸识别模型，比一比你像哪个明星，亲测可用，python torch lua
