深度学习：pyTorch实战计算机视觉

pyTorch深度学习框架：基于动态图计算的特性，基于静态图计算深度学习框架相比，更多的优势，速度快，强大的包可调用。

一、人工智能

1、人工智能：强人工智能： 智能          弱人工智能：人工

2、人工智能的三起两落：

• 1956年提出人工智能概念 
• 1980 专家系统：指解决特定领域问题的能力已达到该领域的专家能力水平，其核心运用专家多年积累的丰富经验和专业知识，不断模拟专家解决问题的思维，处理只有专家才能解决的问题
• 1990 机器学习 深度学习

机器学习=统计学习方法（统计学原理）

3、1957 单层计算单元神经网络模型==感知机 perceptron  分类问题，二分类线性模型。

+1 -1  分离超平面 优点：容易处理线性可分，不能处理异或问题，也就是不能处理非线性问题。

4、多层神经网络模型，输入层 隐藏层 输出层

5、计算机视觉：机器能否对视觉信息进行收集，处理和分析，是机器智能一个重要的体现用途，让机器拥有人类一样的视觉能力也是计算机视觉诞生的初衷。 计算机视觉分为信息的收集，信息的分析，信息的处理。

6、图片分类，图像目标识别，图像语义分割（对识别的类别使用同一种像素进行标识打上标签）

7、自动驾驶

8、图像风格迁移Neural style

二、相关数学知识

1、矩阵运算

标量：独立存在的数

向量：一维：一列按顺序排列的元素

矩阵matrix：二维数组结构

张量：数组的维度超过了二维，高维数组

矩阵的加法 减法 乘法。

2、导数求导

一阶导数的几何意义：斜率

复合链式求导法则

三、深度学习网络基础

 

监督学习	无监督学习	半监督学习	弱监督学习
回归问题（连续）	聚类
分类问题（离散）

 

<