深度学习第一章 概述

发文初衷

        从事相关工作以来，查询网页、翻看书藉、自己思考、同事，论坛交流，慢慢从一无所知到知晓其中三味，过程相当曲折。

        回头审视过往，受益于当前网络环境的开放，自已从中获益良多，也踩过很多坑。秉着吃水不忘挖井人的思想，将一些在学习中的自我思考整理出来，如果这些内容能够帮到你，是我最开心的事。

深度学习剖析

要认识深度学习个人感觉可以把握三个点。

（1）它是什么

        人工智能可以分为几个阶段或几个类别，如：计算智能，感知智能，认知智能；抑或是弱人工智能，强人工智能。抛开其分类，划分规则，可以认为人工知能是通过物理硬件实现类人动作、操作。

        当前实现人工智能的手段有：机器学习，专家系统，深度学习等。深度学习是当前实现人工智能最常见的方式。

（2）它是做什么的

        人工智能发展最近几年一直在发展，不过并没有网络上宣传的那样完美，就现实来说在一部分领域如：图像信息分析（计算机视觉）、语言文字处理（NLP），已经取得了很好应用。

        深度学习是建立模型的工具，是一门学科。通过它并且结合具体的业务、应用场景，可以形成不同的人工智能应用。

        在计算机视觉领域，图片做为待处理的元数据，以 0、1 这样的编码形式存储于计算机内存、硬盘等存储介质中。对于计算机来说，图片只是一定规则下的电信号或数字信号。

        基于深度学习构建的工具，可以以图片为输入，输出算法工程师想要的结果，如：图像中的物体是什么、物体在哪个位置等信息。（实现了计算机认识图片内容的功能）

        图片来源也有各种渠道，比如基于网络摄像头采集的图片、深度学习构建的工具以及一些业务代码，可以实时分析摄像头采集的内容，在不同场景下，形成不同功能的行业应用。在交通行业中，可以判断车辆行人违章情况。在封闭园区内，可以判断园区内消防、治安情况。在安平行来内，利用多个摄像头，可以用来追踪犯罪人员等。

（3）它是怎么做到的

        拿图片的物体分类来讲，目的是区分不同图片的类别。也就是说可以用不同的标签来区分图像类别。如 0：狗、1：猫、1：人、3：虎等

        图片在现成的，深度学习所构建工具的目标是：区分图片内容，生成标签值。（0、1、2、3）

       用一张单通道黑白图片来讲，每个像素用0-255的范围，表示从黑到白。这张图片有多少个像素就有多少个输入值。深度学习构建的工具通过接收输入值，进而得出标签值。

        它的本质是建立一系列方程，在这些方程中像素值（0-255）参与运算，并不断优化方程参数，使计算结果向标签值靠拢。最终完成输入新图片，结合已优化的方程参数，得出图片标签值，从而完成物体分类。