入门基础知识点
TensorFlow
一、课程介绍
课程背景：
人工智能和深度学习相关领域的崛起
人工智能的实际应用需求
人工智能与现有技术的结合
主要知识点：
TensorFlow，MNIST，Flask
二、基础知识
TensorFlow是什么
1.TensorFlow是谷歌基于DistBelief进行研发的第二代人工智能学习系统
2.可被用于语音识别货图像识别等多项机器学习和深度学习领域
3.TensorFlow是将复杂的数据结构传输至人工智能神经网中进行分析和处理过程的系统
4.TensorFlow支持CNN(卷积神经网络)、RNN(循环神经网络)和LSTM算法(长短期记忆网络)，这都是目前在Image，Speech和NLP最流行的深度神经网络模型
MNIST数据集介绍
1.由Google和纽约大学克朗研究所共同创立的手写数字的数据库
2.共有7万张图像(6万张训练图像和1万张测试图像)
3.所有图像均是0~9的手写数字
4.展现形式
Flask框架介绍
1.是一个轻量级的web应用框架
2.使用python语言进行编写
3.训练步骤 : 下载训练集->编写训练程序->训练模型->验证训练的模型
4.调用步骤 : 使用训练好的模型->定义参数->通过端进行传参
5.整合步骤 : 训练并生成模型->暴露接口->前端调用->验证并返回结果
三、基础知识
什么是人工智能
构建智能机器,特别是智能计算机程序的科学和工程
人工智能是一种让计算机程序能够"智能地"思考的方式
思考的模式类似于人类
AI、ML、DL的关系
机器学习是事先人工智能的一种方法,深度学习是机器学习的一个分支
层级关系: 人工智能 > 机器学习 > 深度学习
什么是学习
过程: 一个系统,能够通过执行某个过程,改善性能
目的: 减熵
熵: 热力学第二定律,一个孤立的系统倾向于增加熵
生命活着就是在减熵
机器学习的必要性
很多软件无法靠人工编程: 自动驾驶、计算机视觉、自然语言处理
人类常会犯错，机器不会
机器的计算能力越来越强，提高我们的生活质量，加快科技发展
机器学习的定义
对某个任务和性能度量通过经验改进后有所提升
什么是深度学习
基于深度神经网络的学习研究称为深度学习,深度指隐藏层大于1层
深度学习能有高回报的必要条件
大数据：全球每天都有海量数据产生，大公司更是“大权在握”
强计算能力：云计算、GPU、越来越快的CPU
复杂模型：一般来说，隐藏层越多，效果越好