貓也能明白系列

深度學習之計算機視覺入門

第 1 天，前言

本次目標

學習AI有一段時間了，發現資料很多，
但是，
1，要麼資料太過於簡單，只是片段，學完以後無法動手；
2，資料過於研究演算法，學習幾個月，還是沒搞明白整體。
因此，特意寫這篇文章，供有以下需求的同學參考。
1，希望快速的在程式碼中使用影像識別；
2，希望快速的瞭解影像識別完整流程；
如果你是希望瞭解以上兩點，那你找對地方了，別忘了加關注。
但是這裡，暫時不會關注太多演算法，如果您希望做演算法研發，
建議您閱讀由 Ian Goodfellow 等編寫等“Deep Learning”。

學習深度學習的原因

原因或許因人而異，但有以下幾點是比較重要的：
1，大勢所趨
在這幾年裡面，AI創新公司大量產生，這裡面有水分，有泡沫，
但是，也有大量AI應用開始進入我們生活，未來毫無疑問，會
更多。特別是量子計算的平行計算能力加上AI演算法，一旦技術
成熟，會產生顛覆性的效果。就在我寫這個文章時，3月9日，
量子計算加AI專案，Google正式宣佈，可以參考以下連結。

2，對每個人的影響
見到有很多僅僅是因為興趣愛好而學習的，但實際上僅僅這個
理由是不夠的，實際上，將來會有很多工作被AI所取代，不管
個人是歡迎還是不歡迎，這個時間點已經近在眼前，不出意外，
10年以內，這是領域會出現顛覆性的新創公司，按照目前國內
追求眼前利益的氛圍，這家公司很有可能又是國外公司。
對於我們這些普通人，很有必要做好準備。至少了解正在發生的
事情是什麼，說不定，您能坐上接下來的這次風口。

影像識別概要

影像識別的演算法

用最簡單的話來描敘深度學習的演算法？相當於五筆字形輸入法。
識別過程：
把一個個小零件合併起來，就是深度學習中的每一層網路在做的
事情。每一層網路會從最小單位零件開始，一層層拼裝到最後的
影像。
學習過程：
學習過程就相當於瞭解每個零件應該是什麼樣子，這裡是演算法的
核心。這裡不在展開。

使用影像識別的過程

1，建立神經網路模型
這個過程透過使用已經標示好的資料集，訓練神經網路
2，在程式碼裡面使用模型
使用已經訓練好的模型，這個部分與普通程式碼沒有太大
區別。
在後續的文章裡，我們會一起實際動手實驗，看看現在的圖
像識別有多強大。

有任何問題，歡迎關注並聯系作者！