机器学习概述1-人工智能

1 人工智能小案例

案例一：

参考链接：https://quickdraw.withgoogle.com

案例二：

参考链接：https://pjreddie.com/darknet/yolo/

案例三：

查看更多：https://deepdreamgenerator.com/

2 人工智能发展必备三要素：

• 数据
• 算法
• 计算力：CPU,GPU,TPU
• 计算力之CPU、GPU对比：
  • CPU主要适合I\O密集型的任务
  • GPU主要适合计算密集型任务
• 什么类型的程序适合在GPU上运行？
  （1）计算密集型的程序。
  所谓计算密集型(Compute-intensive)的程序，就是其大部分运行时间花在了寄存器运算上，寄存器的速度和处理器的速度相当，从寄存器读写数据几乎没有延时。可以做一下对比，读内存的延迟大概是几百个时钟周期；读硬盘的速度就不说了，即便是SSD, 也实在是太慢了。　　
  （2）易于并行的程序。
  GPU其实是一种SIMD(Single Instruction Multiple Data)架构， 他有成百上千个核，每一个核在同一时间最好能做同样的事情。

CPU和GPU的区别：
http://www.sohu.com/a/201309334_468740

3 人工智能、机器学习和深度学习

• 人工智能和机器学习，深度学习的关系
  • 机器学习是人工智能的一个实现途径
  • 深度学习是机器学习的一个方法发展而来

4 深度学习

• 深度学习的发展源头--神经网络
• 多层神经网络，在最初几层是识别简单内容，后面几层是识别一些复杂内容。
• 深度学习演示
  

链接:http://playground.tensorflow.org