https://www.bilibili.com/video/BV1VA41137H2?p=1
一、 简单 概述
算法 实现
项目 怎么构建 模型
深度学习 ----神经网络 架构
重点 核心
机器视觉 卷积神经网络
自然语言处理 递归神经网络
真实数据集
展开 建模 分析
二、Tensorflow2版本简介与心得
数学基础 和 开发 能力 不是很强 可以利用 框架
框架 提供了 各种API 可调用
我们要做 设计 网络模型
跟 求解 相关 （反向传播 求梯度） 交给框架
框架选取
更新程度15年 出 Google的
论文 算法 开源很实用
可以学习 多个框架 取长补短
二次开发 熟悉底层 好复现
session 初始化 执行结果
简化 建模过程
三、深度学习框架安装 Tensorflow2版本安装方法
https://www.anaconda.com/products/individual-b
安装 Anaconda 直接安装
pip config set global.index-url https://mirrors.aliyun.com/pypi/simple
https://pypi.org/project/tensorflow-gpu/
四 、 TF 基础操作
函数 api 使用方法
边用边查
创建 矩阵类型 x
tf.加法减法乘法除法
直接 执行出 结果 动态图 形式
构建 一个 19 36 矩阵
张量 ----- 矩阵 -------Tensor
（机器学习 所有的数据 都是 矩阵 ）
对矩阵 做 操作 数学公式 变换
So tensor flow = 矩阵 在 这个 大框架 流动
值
向量
矩阵
三维数据 eg H W C 三维 颜色
多维数据 视频 多个 图像 融合在一起
… 等等
可以跟 numpy做 交互
得到数组
numpy 创建 计算
交互 转换 2.0 特性
案例
数据 处理流程
建模
----基于 技术栈 （框架） 会用就行
基于 算法 （PPT，资料） 网络模型 建模 流程
五 深度学习要解决的问题
神经网络 之前 熟悉一下 人工智能 这个 圈子
AI
计算机视觉 自然语言处理 数据挖掘 ML机器学习（DL深度学习）
DL深度学习 神经网络
特征提取 方法 √ 算法×
不是 拼 算法
数据层面 —》食材 特征
拿到数据 --> 数据处理 —> 人为 分析 特征 提取data 选择 和 组合
数据变换 更有价值输入 ------------机器学习 偏人工 （各种任务 实现了 数学公式 ）
网络 选择 合适特征 组合 分解 融合
---------深度学习
支持向量机 逻辑回归 随机森林 调参数 —》 逼近上限 不是 决定上限
文本 图像 ？ 特征选择？？？？
X --》 传统 回归 当中 找特征??? 权重参数
特征 对 结果影响 更难
神经网络 黑盒子
原始数据 进去 后 这种 变换操作
自动特征提取 ---->计算机 能 识别 的 特征
自己学习
六 深度学习应用领域
