資訊專欄INFORMATION COLUMN
摘要：什么是深度學習深度學習是機器學習的一種特殊形式，涉及訓練具有多層單元的神經網絡。常見的誤解深度學習是一個很大程度上取代機器學習的新領域。
高屋建瓴，統領全局，學習tensorflow。 對現在的職業人士來說，學生時期的知識，對現在的自己來說，似乎看起來簡單了很多，但是自己卻并沒有去深入學習，能夠更好理解的原因就在于：知道了更多周邊信息，對知識的理解有了前因后果參照物。 所以我把學習tensorflow的過程記錄了下，重要的是把人工智能的歷史進行了翻譯，所以對tensorfow的基礎理解程度更深。當然，coding過程中的。每一步，每一句代碼，每犯的一個錯都記錄了下來。 歡迎mark [learn-ai](https://github.com/ifredom/learnig-ai)
==============================================================
什么是人工智能（AI）？
這是研究使計算機智能運行的方法。粗略地說，計算機是智能的，只要它做正確的事情而不是錯誤的事情。正確的事情是最有可能實現目標的任何行動，或者在更多技術術語中，最大化預期效用的行動。AI包括學習，推理，計劃，感知，語言理解和機器人等任務。
常見的誤解
這是一項特定的技術。例如，在20世紀80年代和90年代，人們常常看到將AI與基于規則的專家系統混淆的文章; 在2010年代，人們看到AI與多層卷積神經網絡相混淆。這有點像用蒸汽機混淆物理。人工智能領域研究在機器中創造智能的一般問題 ; 它不是 對該問題的研究產生的具體技術產品。
這是一類特定的技術方法。例如，通?？吹阶髡哂梅柣蜻壿嫹椒ㄗR別AI，并將AI與“其他方法”（例如神經網絡或遺傳編程）進行對比。AI不是一種方法，這是一個問題。任何解決問題的方法都算作對AI的貢獻。
這是一個特殊的研究團體。這涉及前面的誤解。一些作者使用術語“計算智能”來指代使用諸如神經網絡，模糊邏輯和遺傳算法等方法的所謂的不同研究團體。這是非常不幸的，因為它促使研究人員只考慮在他們的社區內接受的方法而不是有意義的方法。
AI是“只是算法”。這并非嚴格意義上的錯誤，因為算法（松散定義為程序）當然是AI系統的組成部分，以及計算機的所有其他應用程序。但是，AI系統解決的任務類型往往與傳統的算法任務有很大不同，例如排序數字列表或計算平方根。
AI如何使人類社會受益？
人類文明所提供的一切都是我們智慧的產物。人工智能提供了一種沿著各種方向擴展智能的方法，就像人類的智慧產物起重機允許我們攜帶數百噸的的重物，飛機允許我們以每小時數百英里的高速移動，望遠鏡讓我們可以看到數萬英里之外的東西。如果設計得當，人工智能系統可以更好地實現人類價值。
常見的誤解
人工智能必然是非人化的。在許多反烏托邦的情景中，AI被一些人濫用來控制他人，無論是通過監視，機器人警務，自動“正義”還是AI支持的命令和控制經濟。這些肯定是可能的未來，但不是絕大多數人會支持的。另一方面，人工智能為人類提供了更多的人類知識和個人學習機會; 消除人民之間的語言障礙; 并消除了無意義和重復的苦差事，使人們失去了機器人的地位。
人工智能必然會增加不平等。讓人類的工作自動化當然有可能將收入和財富集中在越來越少的人手中。但是，我們可以選擇如何使用AI。例如，通過促進合作并將生產者與使用者聯系起來，它可以允許更多的個人和小團體在經濟中獨立運作，而不是依賴于大公司的工作。
什么是機器學習？
它是人工智能的一個分支，它探索了讓計算機根據經驗提高績效的方法。
常見的誤解
機器學習是一個很大程度上取代AI的新領域。這種誤解似乎是近期機器學習興趣的增長以及大量學生在沒有接觸過AI的情況下參加機器學習課程的偶然副作用。機器學習一直是人工智能的核心話題：圖靈的1950年論文假定學習是人工智能的最有可能的途徑，而人工智能最早期的成功，塞繆爾的棋盤游戲，是使用機器學習構建的。
機器無法學習，它們只能做程序員告訴他們做的事情。顯然，程序員可以告訴機器如何自主學習！塞繆爾是一個可怕的跳棋運動員，但他的計劃很快就學會了比他更好。目前，人工智能的許多重要應用都是通過將機器學習應用于大量訓練數據來構建的。
什么是神經網絡？
神經網絡是一種受生物神經元基本屬性啟發的計算系統。神經網絡由許多多帶帶的單元組成，每個單元接收來自某些單元的輸入并將輸出發送給其他單元。（單元不需要任何多帶帶的物理存在;它們可以被認為是計算機程序的組成部分。）單元的輸出通常通過獲取輸入的加權和并通過某種簡單的非線性傳遞總和來計算，轉換。關鍵屬性是可以根據經驗修改與單元之間的鏈接相關聯的權重。
常見的誤解
神經網絡是一種新型計算機。實際上，幾乎所有神經網絡都是在普通的通用計算機上實現的。有可能設計專用機器，有時稱為神經形態計算機，以有效地運行神經網絡，但到目前為止，他們還沒有提供足夠的優勢來支付成本和施工延遲。
神經網絡就像大腦一樣工作。事實上，真正的神經元比人工神經網絡中使用的簡單單元要復雜得多; 有許多不同類型的神經元; 真正的神經連接可以隨時間變化; 除了影響行為的神經元之間的通信之外，大腦還包括其他機制; 等等。
什么是深度學習？
深度學習是機器學習的一種特殊形式，涉及訓練具有多層單元的神經網絡。它近年來變得非常流行，并且已經導致諸如視覺對象識別和語音識別之類的任務的顯著改進。
常見的誤解
深度學習是一個很大程度上取代機器學習的新領域。事實上，深度學習已經在神經網絡社區中存在了20多年。最近的進步是由算法和模型的一些相對較小的改進以及大數據集和更強大的計算機集合的可用性推動的。
文章版權歸作者所有，未經允許請勿轉載,若此文章存在違規行為，您可以聯系管理員刪除。
轉載請注明本文地址：http://m.specialneedsforspecialkids.com/yun/19964.html
摘要：近日它們交鋒的戰場就是動態計算圖，誰能在這場戰爭中取得優勢，誰就把握住了未來用戶的流向。所以動態框架對虛擬計算圖的構建速度有較高的要求。動態計算圖問題之一的多結構輸入問題的高效計 隨著深度學習的發展，深度學習框架之間競爭也日益激烈，新老框架紛紛各顯神通，想要在廣大DeepLearner的服務器上占據一席之地。近日它們交鋒的戰場就是動態計算圖，誰能在這場戰爭中取得優勢，誰就把握住了未來用戶的流...
當我們處理機器學習任務時，經常需要將不同的矩陣拼接在一起以便進行下一步操作。在TensorFlow中，矩陣拼接是一項非常常見的任務，因此我們需要掌握這項技術。在本文中，我將介紹如何使用TensorFlow來完成矩陣拼接。 首先，我們需要了解TensorFlow中的兩種矩陣拼接方式：水平拼接和垂直拼接。水平拼接是將兩個矩陣沿著水平方向拼接，而垂直拼接則是將兩個矩陣沿著垂直方向拼接。 讓我們從水平...
摘要：機器學習模型內部的組成部分，可以使用進行打包和共享。為機器學習開發者提供庫產生了庫。庫是一個在中進行發布和重用中機器學習模塊的平臺。 摘要： 本文對TensorFlow Hub庫的介紹，并舉例說明其用法。 在軟件開發中，最常見的失誤就是容易忽視共享代碼庫，而庫則能夠使軟件開發具有更高的效率。從某種意義上來說，它改變了編程的過程。我們常常使用庫構建塊或模塊，并將其連接在一起進行編程。 開...
閱讀 972·2021-11-25 09:43
閱讀 2297·2019-08-30 15:55
閱讀 3160·2019-08-30 15:44
閱讀 2059·2019-08-29 16:20
閱讀 1458·2019-08-29 12:12
閱讀 1614·2019-08-26 12:19
閱讀 2288·2019-08-26 11:49
閱讀 1718·2019-08-26 11:42
