Tensorflow学习笔记（一）

本篇主要基于慕课的公开课《人工智能实践：Tendosflow笔记》，偏转载性质，原文为：人工智能实践：Tensorflow笔记学习（一）—— 人工智能概述

    这两年的人工智能、机器学习、深度学习，炒得火热，相信有些人跟我一样，初听这些名词概念时，并不清楚他们之间有何联系，是否就是同一概念。但其实三者的关系用一张图就可以说明：

人工智能：就是用机器模拟人的意识和思维。

    现在常见的消费产品就是：Google的Assistant、微软的Cortana、苹果的Siri、阿里的天猫精灵等。（很明显现在市面上的产品表现的都不算太好，稍稍有点智障的感觉）

机器学习：一种统计学方法，计算机能利用已有的数据得出模型，继而根据模型预测结果。（随着经验的增加，也就是庞大的训练数据，结果会越好）

    一个简单的例子就是婴儿学习成长的过程：试想我们要让小孩认识猫，我们绝对不会去维基百科或百度搜索猫的精确定义。我们一定是在生活中看见了一只猫，告诉小孩这是一只猫，经过一段时间的“训练”，小孩的大脑自然得出了一个猫的“模型”，从而自己能分辨出猫。

一个简单的决策树模型：预测班车到达时间问题描述： 每天早上七点半，班车从 A 地发往 B 地，到达 地的时间如何准确预测？

  如果你第一次乘坐班车，你的预测通常不太准。一周之后，你大概能预测出班车8:00 左右到达 B 地；一个月之后，随着经验的增加，你还会知道，周一常堵车会晚 10 分钟，下雨常堵车，会晚 20 分钟。于是你画出了如下的一张树状图，如果是周一，还下了雨，班车会 8:30 到达；如果不是周一，也没有下雨，班车会8:00 到达。

深度学习：是深层神经网络,模仿人神经元的工作原理。

首先回忆一下生物学中的单个神经元：

    树突具有接受刺激并将冲动传入细胞体的功能，是神经元的输入。这些树突汇总于细胞核又沿着一条轴突输出。轴突的主要功能是将神经冲动由胞体传至其他神经元，是神经元的输出。人脑便是由 860 亿个这样的神经元组成，所有的思维意识，都以它为基本单元，连接成网络实现的。计算机中的神经元模型与之类似，也包含输入、计算、输出功能。

    从每个树突接受输入，赋予相应的权值后汇总，最后输出，完成单个神经元的功能。用数学表示就是：

                                               （x表示输入，w表示权值，z就是输出结果）

  最后将一层一层的神经元进行连接，即形成了深层神经网络。

   

【 End 】