深度學習「深度學習」！
記得9年前寫的一篇部落格，十年的程式設計師，一晃眼，差不多10年又快到了。
這一輪的人工智慧，深度學習，他是我見到的乙個非常特殊的程式設計方式：用資料程式設計。是的，他絕對不像其他的程式語言，是完全乙個嶄新的天地，掌握她，絕對會帶來驚喜--你會發現以前感覺超級難的東西會忽然「哇，這個功能也能實現！」
開這個專欄有兩個目的：
1. 我不是專家，在ai領域，我也是學生，這個部落格一定程度上，是我的筆記，注意，是筆記，學到哪，記到哪。
2. 這輪人工智慧的概念已經隨著「阿法狗」吹的遍地野草了，甚至考研的作文題都開始圍繞著人與人工智慧展開。創業大潮中，更多的人叫著喊著人工智慧，機器生成云云。但，這輪ai到底能做什麼呢？市面上很多充滿各種雞湯類的書和報道，吹噓著憧憬著人工智慧，將來無所不能，甚至還有可能毀滅人類。但是究竟能做啥？我個人覺得，對於這些創業人來說，還是別看以及少看這些雞湯類的文章，扎扎實實的了解一下吧，因為這輪的人工智慧，他是脫離我們的經驗常識的，並非是是報道上說的無所不能，他也有很大侷限。所以我的第二個目的也是希望能給這些人普及一下，人工智慧到底能做什麼。
門檻也是有的，之所以是資料程式設計，那麼重點是原理性的東西啦，在看這個專欄前，簡單的數學基礎還是要的，至少：
《高等數學》掌握裡頭的導數和微分
《線性代數》向量，矩陣運算
《概率論》通篇，但這個只是建議，不是必須
直接購買大學課本吧，課本都很便宜。
我理解的深度學習，實際有幾層，如下圖：
神經網路是基礎，其他網路都是在這個基礎上生成的，rnn擅長用於處理文字類的識別。而cnn用於圖形類的處理，而gan網路最近幾年才出現，可以進行生成創作類的應用場景。
當然，人工智慧遠不止這些，先定個小目標吧，掌握這幾個網路吧。
深度學習 開篇
本想著一天擰出幾份時間，把幾件事情齊頭並進的完成，但最後因為精力和執行力問題，並沒能做得如此高效，還因為壓力過大而導致身體有些不健康。在基本結束對css 2.2 vfm的知識掃蕩以後，轉眼就開春了，一晃眼，留給畢業設計的時間從十分充裕變成了十分緊張。未來一段時間的重心將從前端移動到畢業設計上。我的畢...
深度學習（一）深度學習學習資料
持續更新 一 學習清單 1 收集了各種最新最經典的文獻，神經網路的資源列表 2 計算機視覺學習清單 3 機器學習學習清單 二 訓練資料 人臉資料 1 香港中文大學訓練資料集 此資料庫包含了20w張人臉，每張標註了5個特徵點 以及幾十種屬性 是否微笑 膚色 髮色 性別等屬性 2 68個人臉特徵點 3 ...
深度學習（一）深度學習的概念
深度學習是機器學習與神經網路 人工智慧 圖形化建模 優化 模式識別和訊號處理等技術融合後產生的乙個領域。深度學習網路是神經網路革命性的發展，人們甚至認為可以用它來建立更加強大的 模型。深度學習使用多層機器學習模型對資料進行有監督學習或無監督學習。模型中的不同層由非線性資料變換的多個階段組成，資料的特...