《Python深度學習》第一章閱讀筆記

2022-06-23 21:39:10 字數 1222 閱讀 5952

在閱讀這本書的過程中,我終於知道了人工智慧,機器學習和深度學習的關係……之前雖然接觸過一些相關的內容,也用過一些裡面的方法,但是對於這些概念著實是傻傻分不清楚hhh

人工智慧的簡潔定義如下:努力將通常由人類完成的智力任務自動化。因此,人工智慧是一個綜合性的領域,不僅包括機器學習與深度學習,還包括更多不涉及學習的方法。例如,早期的國際象棋程式僅包含程式設計師精心編寫的硬編碼規則,並不屬於機器學習。在相當長的時間內,許多專家相信,只要程式設計師精心編寫足夠多的明確規則來處理知識,就可以實現與人類水平相當的人工智慧。這一方法被稱為符號主義人工智慧(symbolic ai),從 20 世紀50 年代到80 年代末是人工智慧的主流正規化。 在 20 世紀 80 年代的專家系統(expert system)熱潮中,這一方法的熱度達到了頂峰。 雖然符號主義人工智慧適合用來解決定義明確的邏輯問題,比如下國際象棋,但它難以給出明確的規則來解決更加複雜、模糊的問題,比如影象分類、語音識別和語言翻譯。於是出現 了一種新的方法來替代符號主義人工智慧,這就是機器學習(machine learning)。

換句話說,機器學習系統是訓練出來的,而不是明確地用程式編寫出來的。機器學習的三個要素是:輸入資料點,預期輸出的例項,衡量演算法效果好壞的方法(衡量結果是一種反饋訊號,用於調節演算法的工作方式,這個調節步驟就是我們所說的學習)機器學習的技術定義:在預先定義好的可能性空間中,利用反饋訊號的指引來尋找輸入資料的有用表示。

深度學習已經取得了以下突破,它們都是機器學習歷史上非常困難的領域:

所以說,深度學習還是非常非常重要的東西了(眾人:你才知道嗎)

應用貝葉斯定理的機器學習分類器

logistic迴歸

核方法(如svm)

決策樹、隨機森林方法

梯度提升機

深度卷積神經網路convnet

1. 彩色影象可以編碼為rgb(紅- 綠 - 藍)格式或 hsv(色相 - 飽和度 - 明度)格式,這是對相同資料的兩種不同表示。在處理某些任務時, 使用某種表示可能會很困難,但換用另一種表示就會變得很簡單

2. 想要了解機器學習,可以研讀一下imagenet挑戰賽(到了2015年, imagenet 的分類任務被認為是一個已經完全解決的問題);還可以參考一下kaggle上的機器學習競賽:梯度提升機用於處理結構化資料的問題(xgboost庫),而深度學習則用於影象分類等感知問題(keras庫)

tkinter第一章

tk1 import tkinter as tk tk2import tkinter as tk 按鈕類,內容為text fg 前景色 co...

第一章 前序

寫此文章的目的,在於對自己這段時間以來,對openstack學習的一個總結 目前還是菜鳥 在此過程中當然碰到了很多的問題,而這些問題想必也是...

第一章 穿越

宋海,是個標準的宅男,基本上除了上班就是宅在家裡,不過他有自己的愛好,程式設計。他宅在家裡不像其他人男孩那樣打遊戲,而是看程式設計的書,偶爾...