人工智能深度学习-初识

观看李宏毅老师的《一天搞懂深度学习》有感：

1.什么是深度学习？

深度学习是机器学习的一部分。机器学习的目标是什么？可以看下图：

根据老师的说法，机器学习的目的就是找到这样一个函数，将外部事物（声音，图片，文字）等特征事务(token)作为参数，传入这个函数中。机器运行这个函数，得到一个较好的结果；

2.怎么去找这个“函数”？

现在有很多的框架能够让人们来使用。比如：

设定一些参数，让框架去运行，从而得到最优解（偏差值最小）的一个函数；

3.深度学习的步骤

我们可以简单概括深度学习的步骤：

1.准备训练数据（数据集，或者说training data）

2.找到一系列的函数。

3.将训练数据作为参数放入这些函数

4.将通过训练的函数筛选出来。

5.准备测试数据集（测试数据）。

6.将测试数据集作为参数选择出来的函数。

7.选择偏差值最小的函数，作为最终输出。

4.神经元（Neuron）

通过多年的探索，最后发现人的神经网络架构很适合机器学习。

神经网络是由许多的神经元组成，每个神经元的反应，取决与外部的特征以及本身对这个特征的反应权重。

解析上图：

红色部分：外部特征

灰色数字：是当前神经元对外部特征的反应权重。如果权重高，证明我对这个特征反应强烈，识别度就更高。

绿色部分：用来平衡神经元的反应公式

蓝色部分：激活函数，可以设定该神经元什么时候被激活。

最右边：激活神经元之后得到的结果。这个值就是该神经元对外部特征的反应值，0~1之间，越大表明反应越激烈，识别度越高。

5.神经网络(Neural Network)

神经网络是由多个神经元组成。因为单个神经元的功能非常单一，越复杂的功能，神经网络结构越复杂。

6.卷积神经网络（CNN）与循环神经网络(RNN)

卷积神经网络一般用于图片识别，循环神经网络一般用于文本类（chatGPT）。

7.小测试（基于pythorch 的mnist数据集手写数字识别）

a.下载anaconda，Download Now | Anaconda

b.打开Anaconda Prompt

c.安装环境python环境

参考：https://zhuanlan.zhihu.com/p/684652174

d.环境搭好后打开Jupyter Notebook（这是一个可以集成python环境的平台，可以搭建不同版本的环境）

e.新建Notebook，并选择刚才搭建的环境

8.写代码

这部分网上的参考代码很多，请自行搜索。

写好之后，运行。

运行结果：

9.之后可以自己在网上找一些图片，然后导入进去。

要注意导入的图片一般都是RGB的格式，需要进行转换。