第3部分：圖像分類(lèi)中的遷移學(xué)習(xí)

BigDL是基于Apache Spark的分布式深度學(xué)習(xí)框架，借助現(xiàn)有的Spark集群來(lái)運(yùn)行深度學(xué)習(xí)計(jì)算，并簡(jiǎn)化存儲(chǔ)在Hadoop中的大數(shù)據(jù)集的數(shù)據(jù)加載。

1、豐富的深度學(xué)習(xí)支持。模擬Torch之后，BigDL為深入學(xué)習(xí)提供全面支持，包括數(shù)字計(jì)算（通過(guò)Tensor）和高級(jí)神經(jīng)網(wǎng)絡(luò) ; 此外，用戶可以使用BigDL將預(yù)先訓(xùn)練好的Caffe或Torch模型加載到Spark程序中。

2、極高的性能。為了實(shí)現(xiàn)高性能，BigDL在每個(gè)Spark任務(wù)中使用英特爾MKL和多線程編程。因此，在單節(jié)點(diǎn)Xeon（即與主流GPU 相當(dāng)）上，它比開(kāi)箱即用開(kāi)源Caffe，Torch或TensorFlow快了數(shù)量級(jí)。

3、有效地橫向擴(kuò)展。BigDL可以通過(guò)利用Apache Spark（快速分布式數(shù)據(jù)處理框架），以及高效實(shí)施同步SGD和全面減少Spark的通信，從而有效地?cái)U(kuò)展到“大數(shù)據(jù)規(guī)模”上的數(shù)據(jù)分析