【Pytorch深度学习50篇】·······第一篇：【认识深度学习】（1）

深度学习，这个外行听起来的感觉无非是3个字，高大上，心里也肯定是有疑问的，深度学习？有多深度，学习啥，咋学习，可靠不，你们AI行业是不是都是造机器人的，自动驾驶啥时候可以弄好，以后是不是机器人统治世界了，你们说的都对，关键我也打不上来几个问题啊，哈哈，我能答的就是有多深，学习啥，咋学习，可靠性这几个问题。

首先AI领域很大，深度学习仅仅是其中九牛一毛，深度学习还得进步一归属于机器学习之下，所以搞机器学习的人毫无疑问的向下鄙视深度学习，深度学习可以在图像，文字，声音领域再做一个细分，本人才疏学浅，只会图像领域，文字领域稍有了解，所以我们就只讨论图像相关的深度学习吧

1.深度怎么理解

在理解深度之前，我们先强硬的理解一下，图像深度学习中的必不可少的一个操作：卷积

这个动图是在网上找的，我不会做动图，伸手党直接拿来用，不过，这个算不算侵权啊，这个我不懂啊，我好怕啊。应该没事吧，哈哈哈

回到正题吧，众所周知，一般的图片都有三个通道RGB，我在之前的文章中也说过，你要是不知道，哼，不知道我也没招，现在知道也不晚，最左边三个矩阵就可以理解成RGB三个通道对应的矩阵，矩阵的大小就是图片的宽高。懂了吧，默认懂了。

Filter W0是一个卷积核，它的大小是3*3*3，Filter W1是一个卷积核，它的也是大小是3*3*3

可以从动图中看到，这个卷积核在图片上滑动，你可以这么理解，卷积核相当于你的眼睛，你看一个东西时候是不是也是这种浏览模式，才能知道这个东西是个啥，，刚刚好，这个动图上有两个卷积核，就是模仿人的两个眼睛，自圆其说，不必大惊小怪。

那它是怎么卷积的，注意观察你会发现，就是对应位置相乘，然后再相加，虽然这么说了，你可能还是理解不了，还是不是知道怎么算，那我带着你来算一个吧，看看箭头这个地方的3怎么算的。

通道一

  

这两个对应位置相乘再相加就是value1 = 0*（-1）+ 0*1+0*1+0*（-1）+2*1 +2*（-1）+0*1+1*（-1）+2*（1），由此可知value1 = 1

再来算通道二，眼睛别花

 value2 = 0*1+0*（-1）+0*（-1）+0*（-1）+0*0+2*（-1）+0*（-1）+1*0+2*1

可知value2=0

再来通道三，眼睛别花

 value3= 0*1+0*（-1）+0*（-1）+0*（-1）+1*（-1）+1*0+0*（-1）+0*1+2*1

可知value3=1

所以value = value1+value2+value3 = 1+0+1=2

你一看，怎么不等于3，垃圾博主，取关，举报，等一下，别这样，我还没说完呢，你仔细看看，还有一个bias，我们亲切的称呼它为偏执，偏执的人都是疯子，你就叫他疯子也行。在这里，你看看，我多画几个箭头，你看看清楚。 

所以最后那个3 = value1+ value2+value3+bias，希望我没算错。

你要是有时间有精力，你可以算法看看别的值是不是这么得出来的，如果他错了，就举报他，反正动图不是我做的，哈哈哈，甩锅一绝。

卷积我还没有讲完，但是今天就讲到这里，先消化消化，别晕了。

对了咩咩狗今天不出战，但是之后会出战，我会用它的数据来做一个分类模型的样本。

至此，敬礼，salute！！！！