AI学习笔记（1）

前言

毕业一段时间了，又还没入职，再逢新年佳节，这段时间就疏于学习~，无意看到mmlab组织的ai训练营，于是参加，希望通过这几次直播回忆梳理一下学过的知识点，并学习一下mmlab系列开源框架，方便日后上手。知道mmlab也是因为读研时参加比赛，发现确实有不少参赛选手，就用它们的开源框架训练模型，而且取得了很不错的成绩，于是想入门一波。

以下，记录几次直播时的学习笔记。

发展历程

随着科技的发展，生活中处处能看到计算机视觉的相关应用，微信扫一扫，识物，自动驾驶，图像生成、风格迁移、人脸检测、虚拟主播等等都是。计算机视觉的发展脉络如下：

1.1960s-1980s。最早开始关注计算机视觉的学者

2.统计机器学习与模式识别(1990~2000)

3.初有成效的视觉系统(~2010)

3.深度学习的时代(2012~）

4.时至今日，AIGC的火热，又给CV增添了一抹新机

在框架上，深度学习的发展也从统一的框架，如pytorch，tensorflow，发展到统一的框架+生态。

机器学习

一段经典的解释“A computer programis said tolearnfromexperienceE with respect to some class oftasksT and performance measureP if its performance at tasks in T, as measured by P, improves with experience

E.”翻译过来就是说：

对于某类任务T和性能度量P，如果一个计算机程序在T上以P衡量的性能随着经验E而自我完善，那么我们称这个计算机程序在从经验E学习。

传统的算法设计，需要人自己理解问题，设计算法，教电脑一步一步怎么干，而机器学习更简单一些，让计算机自己从数据中学习如何解决问题，不需要一步一步程式化的让电脑怎么做。

神经网络

神经网络了解，要从神经元开始，再到卷积，再到卷积神经网络，继而介绍激活层等

pytorch使用步骤