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。