深度学习入门看这一篇就够了（上）

课程内容
深度学习的应用场景
神经网络的起源
神经网络的基本结构

自从炼丹界推出新丹药“深度学习”，各大炼丹世家(Google, Facebook, Microsoft)不惜重金招纳炼丹贤士。优秀的炼丹师一师难求，上古炼丹世家Google曾发布英雄帖，悬赏30万两黄金只为求一优秀炼丹师(Google招聘的人工智能博士应届生平均年薪30万美元)。
昔日的底层人民衣不果腹，如今，只要学会炼丹，从此走上迎娶白富美的人生巅峰，衣食无忧。
炼丹的过程就是研究深度学习算法的过程，数据就是各种具有金木水火土属性的灵材，深度学习框架就是用来炼丹的丹炉，算力就是炼丹炉下的三味真火。灵材，丹炉，真火是炼丹师练出一颗AI的灵丹妙药的先决条件。

炼丹这一门在修真界存在已久，上次辉煌发生在上世纪80，90年代。鼎盛时期，一次炼丹大会，场地在海边一字排开，连绵几百米。
炼丹门的上一次衰退有多个原因。一个是kernel派的入侵，他们凭着一招无穷升维打得炼丹门措手不及。一方面上手容易，修炼不需要感受天地元气，另一方面又有一套从史前数学界偷来的泛函心法，老少皆宜。接踵而来的都是统计学习流，凸优化流，图模型流，他们凭着从数学界那里搬来的各式外门功夫迅速占领了修真界。

炼丹门因为入门困难，操作复杂，于是人员凋落，门内坚守最后的几大长老纷纷躲在极寒之地加拿大过冬。那段时期大家只要一听到“炼丹”纷纷脸色一变绕道而行。
但数年前，炼丹门大长老的得意弟子凭借一张AlexNet丹方在修仙界大擂台Imagenet竞赛上一举夺魁。随后炼丹界突破不断，全民炼丹拉开了帷幕。

与此同时，作为修仙界人一直崇尚的礼仪——开源，推动了炼丹界的快速发展。开源促进了灵材、丹方、丹炉的共享，因为开源，年轻炼丹师可以轻易获得常见灵材和丹方，上手一款丹炉炼制入门灵丹。长此以往反复练习，初级丹师就可以晋级中级，中级可以升至高级。

而炼丹的成功离不开好的丹炉。一个好的丹炉使用简单，能够装入大量灵材，而且能有效的使用真火。目前市面上流行数个丹炉：蒙特利尔理工学院2008年推出的Theano、加州大学伯克利贾教主2013年闭关打造的Caffe，Amazon 2015年底开源的MXNet和炼丹第一世家谷歌开源的TensorFlow，Facebook 2017年开源的PyTorch等。

深度学习的应用

语音识别
图像应用
大规模(大数据量)图片识别(聚类/分类)，如人脸识别，车牌识别，OCR等
以图搜图，图像分割
目标检测，如自动驾驶的行人检测，安防系统的异常人群检测
数据挖掘，风控系统，推荐系统，广告系统等

自然语言处理
语音识别，语音合成自动分词，句法分析，语法纠错，关键词提取，文本分
类/聚类，文本自动摘要，信息检索（ES,Solr）
知识图谱，机器翻译，人机对话，机器写作
推荐系统，高考机器人
信息抽取，网络爬虫，情感分析，问答系统

神经网络来源之人的思考

神经网络来源之“神经元”

神经网络之感知器

神经网络之线性神经网络

线性神经网络是一种简单的神经网络，可以包含多个神经元；激活函数是一个线性函数，可以返回多个值，常用的激活函数为sigmoid函数和tanh函数线性神经网络和感知器一样，只适合线性可分类问题；但是效果比感知器要好，而且可以做多分类问题

神经网络之浅层神经网络

添加少量隐层的神经网络就叫做浅层神经网络；也叫作传统神经网络，一般为2隐层的神经网络(超过两隐层的话，效果会差很多)

神经网络之深度神经网络

增多中间层(隐层)的神经网络就叫做深度神经网络(DNN)；可以认为深度学习是神经网络的一个发展

神经网络直观理解之逻辑与

神经网络直观理解之逻辑或

神经网络直观理解之逻辑或

神经网络直观理解之非线性可分

神经网络直观理解之非线性可分