入門基礎知識點
TensorFlow
一、課程介紹
課程背景:
人工智能和深度學習相關領域的崛起
人工智能的實際應用需求
人工智能與現有技術的結合
主要知識點:
TensorFlow,MNIST,Flask
二、基礎知識
TensorFlow是什麼
1.TensorFlow是谷歌基於DistBelief進行研發的第二代人工智能學習系統
2.可被用於語音識別貨圖像識別等多項機器學習和深度學習領域
3.TensorFlow是將複雜的數據結構傳輸至人工智能神經網中進行分析和處理過程的系統
4.TensorFlow支持CNN(卷積神經網絡)、RNN(循環神經網絡)和LSTM算法(長短期記憶網絡),這都是目前在Image,Speech和NLP最流行的深度神經網絡模型
MNIST數據集介紹
1.由Google和紐約大學克朗研究所共同創立的手寫數字的數據庫
2.共有7萬張圖像(6萬張訓練圖像和1萬張測試圖像)
3.所有圖像均是0~9的手寫數字
4.展現形式
Flask框架介紹
1.是一個輕量級的web應用框架
2.使用python語言進行編寫
3.訓練步驟 : 下載訓練集->編寫訓練程序->訓練模型->驗證訓練的模型
4.調用步驟 : 使用訓練好的模型->定義參數->通過端進行傳參
5.整合步驟 : 訓練並生成模型->暴露接口->前端調用->驗證並返回結果
三、基礎知識
什麼是人工智能
構建智能機器,特別是智能計算機程序的科學和工程
人工智能是一種讓計算機程序能夠"智能地"思考的方式
思考的模式類似於人類
AI、ML、DL的關係
機器學習是事先人工智能的一種方法,深度學習是機器學習的一個分支
層級關係: 人工智能 > 機器學習 > 深度學習
什麼是學習
過程: 一個系統,能夠通過執行某個過程,改善性能
目的: 減熵
熵: 熱力學第二定律,一個孤立的系統傾向於增加熵
生命活着就是在減熵
機器學習的必要性
很多軟件無法靠人工編程: 自動駕駛、計算機視覺、自然語言處理
人類常會犯錯,機器不會
機器的計算能力越來越強,提高我們的生活質量,加快科技發展
機器學習的定義
對某個任務和性能度量通過經驗改進後有所提升
什麼是深度學習
基於深度神經網絡的學習研究稱爲深度學習,深度指隱藏層大於1層
深度學習能有高回報的必要條件
大數據:全球每天都有海量數據產生,大公司更是“大權在握”
強計算能力:雲計算、GPU、越來越快的CPU
複雜模型:一般來說,隱藏層越多,效果越好