图像 引言 深度学习_TensorFlow2.0与深度学习（引言）

《深度学习》教科书由 Ian Goodfellow，Yoshua Bengio和Aaron Courville撰写，本书旨在帮助学生和从业者进入机器学习领域，特别是深度学习。这是一本关于深度学习的优秀，全面的教科书，目前为止，并且贯穿始终优雅和严谨。

本书主要分为三个部分：第一部分：应用数学和机器学习基础

第二部分：实用的深度神经网络

第三部分：深度学习研究

《深度学习》包含了解深度学习算法时需要了解的几乎所有内容，但出于两个原因，它可能具有挑战性。这是一本高度理论化的书，写成学术著作，即使你完全参与应用数学背景，这本书仍然需要额外的数学背景。

学习理论的概念的最好方法是练习它，处理问题和解决编程实例，目前没有完整的《深度学习》练习或编程指南。

这最终促使本专栏翻译《Tensorflow 2.0与深度学习》。目标是为可能看起来过于复杂的部分提供解释，并且提供Tensorflow 2.0中提供编程示例。Tensorflow 2.0

Tensorflow 1.x的主要瓶颈在于它具有很高的学习曲线，并且对于那些习惯于像Python这样的命令式编程语言进行编程的人来说，声明式编程并不是非常直观。

Tensorflow 2.0带有重大变化，如果您刚开始使用Tensorflow，那么由于这些变化，您就处于最佳位置。您可以直接进入并开始学习而不必担心Tensorflow 1.x。但知道从Tensorflow 1.x到Tensorflow 2.0的变化将有助于新用户更好地理解和学习框架，如果您最终使Tensorflow 1.x代码，那么您需要知道如何升级到Tensorflow 2.0。

TensorFlow团队已经创建了tf_upgrade_v2实用程序来帮助将遗留代码转换为新的API，但转换工具并不完美，因此您仍可能需要手动更改某些代码。简而言之，TensorFlow 2.0是向后兼容的。

TensorFlow 1.x的主要问题是它在学习，应用和调试方面存在困难，TensorFlow 2.0通过以下方式解决了这个问题：Eager Execution：这是一个命令式编程环境，可以立即评估操作，无需构建图，这与使用Python作为图形的声明性元编程工具的Tensorflow 1.x不同。简而言之，Graph和图形运行时都被抽象掉了，这意味着没有会话Session，也没有全局图状态global graph state. 也可以运行。

Tensorflow拥有全面，灵活的工具生态系统：包括TensorFlow.js，用于创建新的机器学习模型，并使用JavaScript，TensorFlow Lite部署现有模型，在Android，iOS，Edge TPU和Raspberry Pi等移动和嵌入式设备上运行，TensorFlow Extended部署一个工业化的机器学习管道，用于训练和推理。这使得研究人员可以推动机器学习领域的最新技术，开发人员可以轻松构建和部署和扩展机器学习驱动的应用程序。

2. 深度学习介绍

人类一直梦想着创造出思考的机器。甚至在可编程计算机被发明之前，人们就梦想着软件可以自动化日常劳动，理解语音或图像，在医学中做出诊断。

好莱坞人工智能的第一次使用是在1951年的电影“地球静止的那一天”。

从早期到现在，计算机在人类发现困难的任务方面表现优异，真正的挑战仍然是人类发现容易和感觉自动的任务，如识别语言或驾驶。

本专栏是关于这些更直观问题的解决方案(代码实现)。

简而言之，我们允许计算机从经验中学习，并根据概念层次来理解世界。如果我们绘制一个图表来显示这些概念是如何相互构建的，那么图表很深，有很多层。

下图显示了深度学习系统如何通过组合更简单的概念来表示人的概念，例如角和轮廓，这些概念又是根据边缘定义的。

3. 谁应该读本专栏大学生(本科生或研究生)学习机器学习，包括那些开始从事深度学习和人工智能研究的人。

没有机器学习或统计背景但希望快速获得一个并开始在其产品或平台中使用深度学习的软件工程师。

我的目标是通过有限的机器学习，统计，python和Tensorflow知识背景，将观众扩展到任何有兴趣开始学习深度学习的人。请注意，我假设您对Python有基本的了解。

4. 深度学习的历史

通过历史，深度学习被称为许多名字，听起来像一部神秘小说的开头，并且在大多数情况下，它在某种程度上仍然是一个谜。在20世纪40年代至60年代，深度学习被称为控制论，在20世纪80年代 - 90年代，人们将其称为连接主义，并于2006年以“深度学习”复活。

深度学习的起源大致可以追溯到1943年William McCulloch和Walter Pitts发表的“神经活动中内在的逻辑逻辑微积分”，它首先概述了神经网络的计算模型，意味着学习如何发生或可能发生的模型在大脑中。因此，深度学习的名称之一是人工神经网络(ANNs)。

那么，如果深度学习自20世纪40年代以来一直存在，那么为什么它现在才进入主流计算受众？主要的两个原因是：大量数据的可用性

可负担得起的图形处理单元(GPU or TPU)

如果你想直接进入，那么让我们开始使用线性代数开始。