机器学习群内分享： 机器学习入门的几个问题

编者按：本文内容摘录自CSDN博客专家、CSDN学院讲师蔡军生老师在CSDN组建的机器学习技术学习微信群中的分享内容。蔡军生从事C++开发已经15年以上经验，并在软件开发管理方面有10年以上资历。
蔡军生个人博客：http://blog.csdn.net/caimouse
蔡军生更多课程请见：http://edu.csdn.net/lecturer/446

以下为蔡军生老师4月13日在机器学习学习群中的内容分享：

本次分享的主题是“机器学习入门的几个问题”，基本从以下四个方面分享：

1. 为什么需要机器学习？
2. 使用什么平台来学习？
3. 深度学习从哪里入手？
4. 深度学习使用什么技术和编程语言？

首先说第一点“为什么需要机器学习？”。

我总结了一些原因：

人学习知识太辛苦了，比如我们要学习16年，才能大学毕业，机器学习能否帮助人类缩短这个学习过程，比如缩短到1、2年。

人学习技能也是一个漫长的过程，比如学习开车，至少需要几个月，成为老司机也至少要一年到两年的时间；另外，不是所有人都能开车，比如小孩、老人、特殊人群。如果机器学会开车，将会让所有人都能开车。

另外，重复工作太过乏味。机器自动学习规律，然后自动执行重复性的工作，人只需要给机器做一次老师，就可以解决这个问题了。

最后，人学会了知识，再教给机器更难。比如众多开发人员，面对很多难题无法解决，比如教会机器识别汽车的车轮。

第二，使用什么平台来学习？

机器学习的平台众多，目前主要有7个：

Caffe：全称Convolutional Architechture for Fast Feature Embedding，卷积神经网络框架。
TensorFlow：Google实现，C++编写底层，适配Python/Go/Java。
Torch：是得益于一个简单、快速的脚本语言Lua JIT，以及底层C/CUDA实现。
Keras：一个非常高层的库，可以工作在Theano和TensorFlow（可以配置）之上。
MxNet：一个支持大多数编程语言的框架之一，包括Python、R、C++、Julia等。
Paddle：是百度自主研发的性能优先、灵活易用的深度学习平台，是一个已经解决和将要解决一些实际问题的平台。
MatLab：有一些在使用，比如吴恩达的课程里就是用了它。

关于几个平台的比较，大家可以参考下面两篇文章：
http://blog.csdn.net/qiexingqieying/article/details/51734347
http://www.oschina.net/news/80593/deep-learning-frameworks-a-review-before-finishing-2016

至于，使用哪个平台，这关键在于自己使用顺手，可以多个平台学习。我是使用TensorFlow平台，主要是使用Python语言，在Python 3.5里安装TensoFlow，只需要一条命令：pip install TensorFlow。另外，TensorFlow在Github达到5万个星星，意味着已经成为主流，更新速度很快，马上就要1.1的版本了。eepMind团队全部转向TensorFlow，目前世界上最成功能团队，都在使用。

第三，深度学习从哪里入手？

选择开发语言：Python
选择平台: TensorFlow
学习入门例子: 线性回归、手写数字识别、强化学习玩游戏
学习基本算法：机器学习基本算法、深度学习基本算法
学习基本数学：微积分、概率论与数理统计、线性代数（向量、矩阵）http://blog.csdn.net/caimouse/article/details/59489449

因此，先要学习编程是入手的第一环节，接着在熟悉的平台编程，学习算法。

第四，深度学习使用什么技术和编程语言？

相关的技术有很多，关键要理解这几个：

• 感知机
• 神经网络
• 卷积
• 激活函数
• CNN、RNN、DNN
• 池化

编程语言：C++、C、Python、Go、Java、R

目前基上是使用Python，原因是：

1. 基本上所有平台都支持Python语言
2. Python已经占领在科学计算领域
3. Python开源，无任何公司把持
4. Python形成像MatLab生态，免费的MatLab
5. Python语句简短：代码效率高，是C的6倍，是C++的3倍，适合做实验和研究。所以我推荐Python语言，在手机里开发深度学习推荐使用C++。

第五，先学习算法还是先学会编程？

我选择先学会编程，原因：
1）先实践，尝试解决问题
2）遇到困难，再去学习相关知识，学习算法
3）再把算法用到实践里解决问题
4）体会算法的优点，进行总结

因为深度学习也是软件开发的一种，是实践性很强的，所以先要有实践的基础，再去学习理论。用理论指导实践，在实践中把理论吃透。特别强调最好是“玩中学，学中玩”。因此，深度学习，最好先上来学会强化学习，这样可以学会玩游戏，可以观察机器学习的过程。

---

点击下载蔡军生老师的演讲PPT