開篇廢話：
嫌廢話太多可以直接跳到正文哦。
對(duì)外人提起人工智能感覺很牛逼很了不起、高大上或者一些其他的吹捧、羨慕的詞都出來，那么今天就通過一篇文章帶到dl的世界，如果你是小白這篇文章會(huì)感覺挺好玩，如果你是大牛，你會(huì)感覺這個(gè)玩意誰不會(huì)？！不管怎么樣請(qǐng)保持平常心，因?yàn)樯疃葘W(xué)習(xí)很普通，并且現(xiàn)在很多人感覺已經(jīng)遇到了瓶頸，大牛都在尋找其他更好的方法，但不得不承認(rèn)dl確實(shí)比傳統(tǒng)機(jī)器學(xué)習(xí)的方法好，先看一下dl的局限性，給你挖一些坑自己去填可好？（1）目前深度學(xué)習(xí)需要大量數(shù)據(jù)；（2）深度學(xué)習(xí)目前還是太表淺，沒有足夠的能力進(jìn)行遷移；（3）迄今深度學(xué)習(xí)沒有自然方式來處理層級(jí)架構(gòu)；（3）迄今為止的深度學(xué)習(xí)無法進(jìn)行開放推理；（4）迄今為止的深度學(xué)習(xí)不夠透明；（5）迄今為止，深度學(xué)習(xí)并沒有很好地與先驗(yàn)知識(shí)相結(jié)合；（6）到目前為止，深度學(xué)習(xí)還不能從根本上區(qū)分因果關(guān)系和相關(guān)關(guān)系；（7）深度學(xué)習(xí)假設(shè)世界是大體穩(wěn)定的，采用的方式可能是概率的；（8）到目前為止，深度學(xué)習(xí)只是一種良好的近似，其答案并不完全可信；（9）到目前為止，深度學(xué)習(xí)還難以在工程中使用；以上是Gary Marcus提出對(duì)深度學(xué)習(xí)的系統(tǒng)性批判，文章地址：https://arxiv.org/ftp/arxiv/papers/1801/1801.00631.pdf；那么我的問題又來了，以上9個(gè)方面為什么？搞明白了局限性再去思考值不值得學(xué)習(xí)，不要隨大流，李開復(fù)老師有句話說的好：千萬不要讓別人駕駛你的生命之車，你要穩(wěn)穩(wěn)地坐在司機(jī)的位置上，決定自己何時(shí)要停、倒車、轉(zhuǎn)彎、加速、剎車。可以參考別人的意見，但不要隨波逐流。估計(jì)有人又開始罵了，你tm的廢話真多，趕緊上干貨，呃，不好意思，能再說幾句嗎？好吧，總之不建議大家都來追潮流，當(dāng)大家都去做一件事情的時(shí)候，那么機(jī)會(huì)往往在相反的方向上；估計(jì)很多人都記得那條讓人深思的技術(shù)成熟的曲線，先是瘋狂的上去，然后又快速的下來，然后緩慢的爬行；又有人說你太悲觀了，過去已去，把握現(xiàn)在，未來誰知？實(shí)時(shí)確實(shí)是這樣，大多數(shù)人也都這樣做的，包括我。
說了這么多廢話，該回到dl了。簡單說一下AI；AI=感知+理解+決策，目前的dl就是處理AI中的理解問題，無論是人臉檢測、識(shí)別、行人檢測、車輛檢測、車道線、語音識(shí)別等等；感知就是獲取圖像、語音等的設(shè)備，決策像無人駕駛中來不及剎車時(shí)，左右是溝，中間是人，你怎么決策？損人利己？還是損己利人？哲學(xué)問題，扯得遠(yuǎn)了，但是真要商用，確實(shí)要面臨的問題很多。
那么我的問題是？
（1）你學(xué)dl的目的是什么？
（2）你喜歡你現(xiàn)在的工作嗎？dl對(duì)你現(xiàn)在的工作有什么幫助？
（3）如果那天dl熱潮過了，你還有還什么技能可能養(yǎng)家糊口？
接下來不解答上面問題了，而是看一個(gè)手寫體識(shí)別的代碼，帶你進(jìn)入word世界：
咱們順著代碼的流程走一遍，估計(jì)會(huì)有很多坑，有坑時(shí)好事，正如學(xué)習(xí)再多tricks，不如猜一遍坑，（你廢話真多，好了好了我不說了）后面的一些文章會(huì)逐漸來填起來；are you ready？
這是一段cnn的代碼來決解手寫體數(shù)字識(shí)別，（初學(xué)者會(huì)問了cnn是什么？有坑了？自己填去啊，哈哈）
（1）開始導(dǎo)入一下tensorflow，和去獲取一下mnist的數(shù)據(jù)，用于后面的訓(xùn)練和測試（2）定義卷積：（問題：卷積是什么？ 為什么用卷積？作用是什么？）
（3）定義池化：（問題和上面一樣，別嫌我話多，面試時(shí)候會(huì)問到）
（4）定義BN：（問題和上面一樣）
（5）初始化參數(shù)：卷積核參數(shù)；全連接參數(shù)；
（6）該蓋樓了。
（7）訓(xùn)練模型，其中含有了（機(jī)器學(xué)習(xí)三要素中的模型、策略、算法；還有機(jī)器學(xué)習(xí)之模型評(píng)估中的loss和準(zhǔn)確率），有了上面的基礎(chǔ)，下面代碼就好理解了。
（8）一些參數(shù)和占位符。
上面的代碼整合起來就可以跑了；
看一下結(jié)果： loss會(huì)慢慢降，而準(zhǔn)確率會(huì)突變，這又是為什么？
說明：像一些衰減和正則化的方法里邊沒加，后面會(huì)慢慢補(bǔ)充，下面給大家一個(gè)簡單定義模型的框架：
（9）總結(jié)：入門級(jí)的感覺這個(gè)就夠了，把上面的代碼玩透了，調(diào)調(diào)參，挖了坑一定要填起來，要不前功盡棄；到這里是一個(gè)節(jié)點(diǎn)說明你想明白了，你想學(xué)習(xí)dl，那就關(guān)注我們吧，一起堅(jiān)持下去，MachineLN與你一年之約，只要想學(xué)什么時(shí)候開始都不晚。
推薦閱讀：
版權(quán)聲明：本文為博主原創(chuàng)文章，未經(jīng)博主允許不得轉(zhuǎn)載。有問題可以加微信：lp9628(注明CSDN)。
