深度学习基础理念（一）

1. 机器学习 Machine Learing

什么是机器学习，顾名思义 机器 拥有会学习的能力，机器学习就是让机器具备能够找函数的能力
机器学习就是找个函数
通过机器的力量把函数找出来，这个函数特别困难~

深度学习就相当于是找个函数，但是这个函数特别困难，这个函数的作用就是帮助我们 去 转换一些东西，比如 我们语言输入 一段话，然后将这段话显示出来，或者输入一张照片，把照片信息 打印出来，这都需要通过我们的函数，但是这个函数特别难，所以需要我们借用机器，这个 就叫做机器学习，也叫做深度学习哇

机器学习就相当于是机器帮助我们人类写出我们人类写不出来的复杂函数~

机器学习类别

Regression：假设我们要找的函数，输出是一个数值

如下：我们输入是 今天 PM2.5 一些相关数组，通过函数，我们输出的是明天 PM2.5 的数组

Classification:先准备好一些选项， 从设定好的选中中，选择一项作为输出

如下：我们输入是一封电子邮件，通过函数，输出 yes/no ，yes ./ no 是先准备好的选项

2. 机器如何找函数

第一步：我们要写出带有未知参数的函数（猜测）

第二步：定义一个 Loss（也是一个 Function），这个 Function 的输入 是 b，w ，将 B和 w 带入到原来的 函数当中，进行预测，如下，通过 2月的输入，预测3月的输出：

这样可以吧 2017-2020 这3年来，每一天的误差都算出来。然后将每一的误差都加起来：

第三步：解一个最佳化，找出最好的 w和b，使得 L 最小，随机决定一个 wo的值，接下来计算 wo 处的斜率，如果 wo 处的切线斜率为负数，代表 左边 比 右边 高，那么 我们就 把 w 的值变大，这样 L 的 值会变小，反之…

还需要找到 b 的值~… 暂且不写了

深度学习

机器学习的关键技术：深度学习

机器学习就是找函数，而深度学习，意思就是说 机器要找个函数，这个函数使用内神经网络（相当于模拟大脑的神经）

输入类型和输出类型

它的输入有很多种，可以是矩阵，向量，序列等等…

它的输出也有很多种，可以是一个数值（regression），类别（classification），以及更复杂的输出，如叫机器写一段话或者文本…

机器如何找函数的

Supervised Learning :

收集一大堆训练资料，通过 机器 识别 是属于哪一种 类别…

但是光是有 Supervised Learning 是不够的，你要做标记是非常耗费人工的事情，所以有了个新的概念 Self-supervised Learing — 》 Pre-train 后们应该要详细讲~