关于深度学习思考

入门人工智能三个月,lj一本研究生,学习进度缓慢,我是笨比-,- 

从入学以来的对人工智能的思考,与学习路径 ,本科计算机,编程基础较好。

入学以来不知道怎么学习,先是看了机器学习白板推导,发现全是数学,虽然听得很开心,但是我的直觉告诉我,人工智能不是这样的,我是做模式识别的,这玩意我怎么想都想不到能跟图像扯上关系,而且这一大堆数字,向量,特征空间,损失函数,究竟有啥用谁能告诉我一下。(个人觉得国人老师录制课程有点过于专业化,如果有基础的话听起来还好一点,所谓的基础就是专业名词听说过就行,我曾经很长时间纠结什么是特征空间和特征向量,也纠结为什么卷积能提取特征,推荐一个外国老师的课,3Blue1Brown的深度学习专栏)心中有了疑惑就只能一点点解决,但还是忍住去钻研基础的东西,虽然我觉得不知道有啥用,但是潜意识告诉我这东西得学,直到现在我大概知道他讲的都是什么东西了。在这期间扒完了李航老师的统计学习方法,这本书第一次看完,收获不大,不过我知道了什么损失函数,各种损失究竟是怎么算的,以及一些我也不知道有啥用的数学公式,好像很厉害,但是没有啥用。有时间还要再次品读。

后来看台大的机器学习基石,由于台湾腔听得实在是不舒服,看了一点点(本人特别热衷看网课,可能是给自己的懒惰找了一个渠道吧)对学习过程有了一点点模糊的概念。

直到现在我觉得我对于机器学习有了一定的了解,这回我能做图像识别了吧,结果问了导师跟师兄,结果用的都是深度学习,那我就学深度学习吧。

看了一点网课,发现跟我之前学的一点关系没有,我一下子就迷惑了,说好的深度学习是机器学习的一部分呢?太坑了吧也,那岂不是我之前学的一点用都没有,很难受,但是感觉好像还有一些一样的地方。我就继续csdn,这俩有什么关系,发现全都是一些官腔,书本用语,什么自动提取特征,什么深度学习是机器学习的一部分,靠,你不说我也知道,有啥用?

然后逐渐的阅读中发现,好像所有深度学习都有一个卷积,豁这玩意肯定很关键,一查,也不难,相乘相加么,所以呢,有啥用,豁,又没人讲明白,球球了,大神们,不要以为我们啥都会了,卷积提取特征 一句话谁都会说,可是咋提取啊,为啥能提取啊。反正记下来吧,应该是有用

然后就到了我提到的3Blue1Brown老师的深度学习专栏,至此我终于明白,一个图像究竟是怎么跟一大堆公式连接到一起的,把一个图像抽成一行行,有多少个点就有有多少输入。豁,一下子就明晰了,那岂不是很蠢,感觉被戏弄了。然后人工智障就开始一点点适应,人的大脑的输入是一张张图片,从眼睛输入,但是计算机可以理解为一大堆眼睛,每一个眼睛只能输入一个数字,然后啪,脑子里一组合,就形成一张图片,然后循环的拿出一张张图片告诉他那成千上万只眼睛,这是猫,这是狗,这是数字,这是字母,他就慢慢的学会了。(好蠢-。-)

好吧,到现在为止,我已经知道了什么是‘学习’,就是暴力的拿出一张张图片告诉计算机,这玩意是啥啥啥。那么迄今为止做的所有工作就是让这一学习过程变得更加简化,比如一张图片要是我圈出来哪里需要,那么是不是计算机就不需要那么多眼睛了,就可以省点事(你都时不时想偷个懒,计算机也有权利偷懒)。以前是暴力的记忆,后面我是不是可以用点技巧,比如提高一下计算机的智商,这就是增加网络深度,比如改变一下大脑各个位置的信息传递,比如做俩人工智能让他俩相互为难对方,毕竟人为难计算机是效率不高的。

其实说了这么多,我认为最关键的就是,一个图像把他抽成一维的一堆点,也就是所谓的向量,这就是特征空间,特征向量,然后再一个个点算,原来特征不是指的某一个东西,一个图片就是一个特征。或者说每一个点都是一个特征。

然后就到了深度学习部分,深刻感受到什么调包侠,调参侠,曾经写SSM时候都没有感觉封装程度这么高,我甚至一点都不知道他做了什么。反正也不管了,咔咔就干吧,现在已经扒完两个网络结构了,写个杂谈当做偷懒好了。反正深度学习内容就是那么多,过一遍手,是个人都会做了。

然后现在是跟着一个完整的课程进行的一步步学习,垃圾分类,表情识别,反正挺开心的。

接下来的路径就是继续学习网课,这一套学完,然后同时读论文,做做导师的项目。

你可能感兴趣的:(研究生杂谈,深度学习,人工智能)