本文介绍了深度学习的基本概念，包括在计算机视觉中的应用，如图片分类和物体识别。讨论了深度学习模型的可解释性问题，领域专家的角色，以及技术工具如MXNet和PyTorch的安装。同时涉及自然语言处理的发展前景和无人驾驶对精度的要求。
学习视频：
03 安装【动手学深度学习v2】_哔哩哔哩_bilibili
02 深度学习介绍【动手学深度学习v2】
x轴：不同的模式
y轴：“我”想做的东西
计算机视觉中是像素，很难用符号表示，所以从概率模型开始
课程是于2021年上传）
深度学习在应用上的突破：图片分类、物体检测和分割、样式迁移、人脸合成、文字生成图片、文字生成、无人驾驶、案例研究-广告点击、
Q&A：
1.深度学习模型的可解释性较差（PS：模型为什么有效和模型的可解释性是两回事）
2.领域专家：该领域的从业人员，可简单地理解为甲方（提需求的人）
3.mxnet安装GPU版本需要卸载CPU版本
4.深度学习无法用数学规范表述，只能直觉理解？：有数学（模型会用数学表示），但无法解释为什么可行
5.符号学可以和机器学习融合吗？：可以
6.数据科学家、AI专家的区别
7.mac可以支持pytorch
8.自然语言处理：仍有很大的发展空间
9.寻找自己领域的paper：后期分享
10.无人驾驶：提升精度（无人驾驶对于错误率非常重视）
03 安装【动手学深度学习v2】
188
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
