1.【动手学深度学习v2】深度学习介绍

1. 深度学习介绍

李沐

B站：https://space.bilibili.com/1567748478/channel/seriesdetail?sid=358497

课程主页：https://courses.d2l.ai/zh-v2/

教材：https://zh-v2.d2l.ai/

课件：https://courses.d2l.ai/zh-v2/assets/pdfs/part-0_2.pdf

1. AI发展

① 自然语言处理目前还是停留在感知上，人几秒钟能反应过来的东西都属于感知范围，即使像中文翻译成英文，英文翻译成中文那种。

② 计算机视觉可以在图片里面可以做一些推理。

③ 自然语言处理里面有符号，所以有符号学，并且还可以用概率模型、机器学习。计算机视觉面对的是图片，图片里面都是一个个像素，像素很难用符号学来解释，所以计算机视觉大部分用概率模型、机器学习来解释。

④ 深度学习是计算机视觉中的一种方法，它还有其他应用方法。

2. 应用

2.1 图片分类

深度学习最早在图片分类上做了比较大的突破。IMAGENET是比较大的图片分类数据集，如下图所示，它包括了一千类的自然物体的图片，它大概有一百万张图片。

2017年的时候，几乎所有的团队都可以做到5%以内的错误率，基本上可以达到人类在图片识别上的精度了

2.2 物体检测和分割

• 物体检测：知道图片是内容，是什么？在什么地方？

• 物体分割：指每个像素它到底是飞机还是人。

2.3 样式迁移

内容图片结合样式图片(滤镜)，可以把内容图片映射到其他风格。

2.4 人脸合成

所有图都为算法合成的假人脸。

2.5 文字生成图片

由上面的文字生成出来的图片。

2.6 文字生成

根据人的问题，机器回答

2.7 无人驾驶

计算机视觉应用

3. 案例研究

根据用户的点击，给用户反馈一些广告； P是点击率

步骤：触发广告–>点击率预估–>排序

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-6sKKvmUc-1680790986488)(assets/image-20230406221118197.png)]

3.1 预测与训练

3.2 完整故事

4. 问题

• 模型的可解释性
• 模型为什么有效？