程序员应该知道的一二事（3）

科普

绿色版软件

我们经常看到或者听过绿色软件这个词。那绿色软件到底是什么？难不成是安全环保的软件？

绿色软件最大的两个特点是无需安装和安全。

无需安装，给我们带来的是便携性，因为我们可以放进U盘里，随插随用。像带个JAVA编译器（红警#手动滑稽#）上机就无需再次下载安装，美滋滋。

安全是因为绿色软件不会对除了所在目录以外的目录进行操作。也不会留下痕迹。只要把快捷方式和文件夹删了就可以删掉软件，无需卸载。

有的软件有绿色软件也没不是绿色版本的，根据需求下载就可以了。

所以说要想生活过的好，身上（U盘）总得带点绿（软件）。

感知机&神经网络&深度学习神经网络（Neural Networks）

说的是一种结构，深度学习是基于深度神经网络的一种机械学习的方法/方式，根据这个学习方法人们可以弄出许多算法。

神经网络技术起源于上世纪五、六十年代，当时叫感知机（perceptron），感知机是一类人造神经元，作用是根据输入的数据进行处理判断。

举个例子，有一大堆数据，其中一些属于A类蝴蝶，一些属于B类蝴蝶。感知机的作用就是尽可能的用一条直线把它们分开（判断是A类还是B类）。

但数据一旦多了起来，两类点靠的太近就不太可能用一条直线就分开来，这时候多层感知机（神经网络）就出来了——将多个单层感知机组合起来。

图中每一个圆圈我们都可以认为它是一个神经元，而每个圆圈之间的线条我们可以看作神经元之间的连接。可以看出，神经元被分为多层，且各层之间的神经元相互连接，本层内的神经元相互独立。

输入层：最左边的层（Layer L1），负责接收输入的数据

输出层：最右边的层（Layer L3），负责神经网络数据的输出

隐藏层：输入层和输出层中间的层（Layer L2）（又称隐含层）

把隐藏层大于2的神经网络叫做深度神经网络，而深度学习（Deep Learning）就是使用深层网络架构的学习方法。

（百度的，具体是不是隐藏层大于2就是深度神经网络我不敢保证，因为只看到一个网页是说大于2。深度学习在另一个网页上面说超过8层的才是深度学习）

简单来说，原来多层神经网络做的步骤是：特征映射到值。特征是人工挑选。

深度学习做的步骤是 信号->特征->值。 特征是由网络自己选择。

深度学习的作用

举个最简单的例子：生物识别。

前面我们已经知道可以使用多层感知机（深度神经网络）运用深度学习进行大量的训练就可以在铺满数据的坐标轴“画出”一条分开A、B蝴蝶的“线”。这些数据可以是生活中大量A、B蝴蝶的颜色（颜色可以分很细#000000-#FFFFFF）。

有了这条“线”，然后再拍一张蝴蝶照片，从照片提取蝴蝶的颜色，就可以知道是哪种蝴蝶了（虽然百分百正确应该是不可能的）。

当然这只是一种特征，蝴蝶还有翅膀长、宽、厚等特征。就可以从平面的数据拓展到更高的纬度（比如三维坐标轴，在上面“画”一个“面”）。这个靠人类的计算能力是不行的，深度学习会帮我们搞定。