如何查找史密森尼學會免費開放的Open Access資源庫？本周早些時候，史密森尼學會通過 Open Access 項目，向公眾開放了數百萬張 2D 圖像和 3D 模型資源的免費訪問。其基于國際公認的

如何查找史密森尼學會免費開放的Open Access資源庫？

本周早些時候，史密森尼學會通過 Open Access 項目，向公眾開放了數百萬張 2D 圖像和 3D 模型資源的免費訪問。

其基于國際公認的 CC0 知識共享許可證，將大量內容一次推到了公共領域，以便所有人欣賞和無負擔地使用。

感興趣的朋友，可花幾分鐘時間瀏覽 Smithsonian Open Access 門戶、或者直接在 Smithsonian Collections 網站展開搜索。

這里有個技巧：首先點擊“搜索”附近的箭頭，然后選擇“僅返回使用 CC0 許可證的媒體結果”。

如需檢索特定的 3D 掃描項目，還請移步至 Smithsonian 3D Digitization，并確保“Open Access”的方框已被高亮選中。

在這里，你可以找到以亞伯拉罕·林肯為原型的手部（甚至臉部）雕刻工藝品的 3D 掃描項目。

作為史密森尼學會與開放、非盈利、由 150 多個業內翹楚企業成員驅動的 The Khronos Group 的合作項目，其旨在推動 3D 圖形、增強 / 虛擬現實、并行編程、視覺加速、以及機器學習等領域的加速發展。

得益于此，史密森尼學會能夠以 glTF 文件類型格式來交付相關 3D 模型。這是一個基于 3D 運行時的交付系統，轉為免版稅的文件而打造。

Khronos Group 希望 glTF 成為 3D 文件的首選類型，即所謂該領域內的 3D 版 JPEG 圖片格式（JPEG 已經在各行各業得到了廣泛的應用）。

Keras還是TensorFlow，程序員該如何選擇深度學習框架？

如果想盡可能快速并且以少量的代碼建立并測試神經網絡，keras是最快速的， Sequential API和Model的功能十分強大。并且keras的設計十分用戶友好，以數據輸入輸為例，對比keras簡單的操作，tensorflow解碼編碼的構建過程特別繁雜（尤其對于初學者來說，大量的記憶過程上手非常痛苦）。除此之外，keras將模塊化作為設計原則之一，使用者可以各按所需進行組合。如果只是想快速地搭建常見的模型來實現自己的想法，keras可以作為首選。

但是，keras在封裝后會變得很不靈活，并且加上它本身速度也比較慢，如果是高度封裝，前面提到的缺點會更加明顯，除了一些對速度要求很低的工業應用，tensorflow會因為更高速而被選擇

如果在驗證自己想法的時候，不想用既有的設定而是想要自己定義損失函數、測度、層數等等，相比keras，tensorflow提供了更多個性的空間。此外，對神經網絡控制力度的大小會很大程度決定對網絡的理解和優化工作，而keras種提供的權限很少，tensorflow相反給了更多操控權，比如對多個變量中的某一變量是否進行訓練、對梯度進行操作(以獲取訓練的進展)等等。

雖然二者都提供深度學習模型通常所需的功能性，但是，如果使用者還追求一些更高階的功能性的選擇，像是進行特殊種類模型的研究，就要求諸tensorflow了。比如，如果想要運算加速，可以使用tensorflow的線程功能，多線程實行同一對話。另外，它還提供調試器的功能，對推斷bug和加速運算都有幫助。