初识深度学习

什么是深度学习

关系：

graph LR
	人工智能 --> 机器学习 --> 深度学习 --> 卷积神经网络

深度学习和机器学习的关系：

1. 机器学习：随着数据量增加会改进性能的算法
2. 深度学习：使用多层神经网络学习。深度学习是机器学习的子集。

传统系统和深度学习的区别：

1. 传统编程系统：定义规则，输入数据获取输出（定义f(x)、x求得y）
2. 深度学习系统：输入答案和数据，输出规则（定义x、y求得f(x)，且f(x)具有泛化性）

graph LR
	a["规则 f(x)"]
	aa["规则 f(x)"]
	b[数据 x]
	bb[数据 x]
	c[答案 y]
	cc[答案 y]
	
	a --> 传统编程逻辑 --> c
	b --> 传统编程逻辑
	
	bb --> 深度学习系统 --> aa
	cc --> 深度学习系统

深度神经网络

什么是过拟合

过拟合：过多地学习了数据，会导致泛化性下降。

训练次数过多，且数据集较为单一。模型会增加对一套算法的依赖性，从而降低了泛化性。

比如：使用一个关卡训练AI找到最佳打法，因为关卡较为固定，AI找到了最优打法并高度依赖、不断精益求精。遗忘掉了其他打法的可能性。

神经网络参数

w权重：描述特征的重要性

b偏置：用于实现经过原点线性可分

深度学习框架

框架封装了不同的模型，提高易用程度。

1. TensorFlow + Keras
2. PyTorch

需要安装的模块：

1. TensorFlow
2. keras
3. numpy
4. matplotlib
5. pandas
6. sklearn==0.0