今天，超模君看到斯坦福著名教授吳恩達(dá)（Andrew Ng，全球最知名的人工智能專家之一）開課講深度學(xué)習(xí)的消息刷遍票圈，百度一搜也是源源不斷的報(bào)道：

其實(shí)，超模君默默研究深度學(xué)習(xí)也有一段時(shí)間了。從AlphaGo與人類的圍棋大戰(zhàn)到各種機(jī)器人，近幾年來，深度學(xué)習(xí)的熱度只增不減。

前段時(shí)間馬云爸爸搞的無(wú)人超市也火了一把，里面的智能系統(tǒng)也采用了深度學(xué)習(xí)算法。

而這一波新型人工智能應(yīng)用背后的主要驅(qū)動(dòng)因素之一就是——深度學(xué)習(xí)。

可能很多人還不太了解深度學(xué)習(xí)，那今天，超模君就自己的理解，給大家講講深度學(xué)習(xí)到底是怎么個(gè)玩意兒吧~

深度學(xué)習(xí)是機(jī)器學(xué)習(xí)研究中的一個(gè)新的領(lǐng)域，目的在于建立、模擬人腦進(jìn)行分析學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)，模仿人腦的機(jī)制來解釋數(shù)據(jù)。

通俗來說，深度學(xué)習(xí)探索了神經(jīng)網(wǎng)絡(luò)的概率空間，這是傳統(tǒng)的機(jī)器學(xué)習(xí)工具所做不到的。與其他工具相比，深度學(xué)習(xí)算法更適合未標(biāo)記數(shù)據(jù)、特征提取(深度框架)，也更適合于模式識(shí)別(圖像、文本、音頻)。

從根本上說，深度學(xué)習(xí)和所有機(jī)器學(xué)習(xí)方法一樣，是一種用數(shù)學(xué)模型對(duì)真實(shí)世界中的特定問題進(jìn)行建模，以解決該領(lǐng)域內(nèi)相似問題的過程。

講到深度學(xué)習(xí)，常常會(huì)提及幾個(gè)術(shù)語(yǔ)：

計(jì)算機(jī)用來學(xué)習(xí)的、反復(fù)看的圖片叫“訓(xùn)練數(shù)據(jù)集”；

“訓(xùn)練數(shù)據(jù)集”中，一類數(shù)據(jù)區(qū)別于另一類數(shù)據(jù)的不同方面的屬性或特質(zhì)，叫做“特征”；

計(jì)算機(jī)的工作流程就是算法；

計(jì)算機(jī)在“大腦”中總結(jié)規(guī)律的過程，叫“建?！?/strong>；

計(jì)算機(jī)在“大腦”中總結(jié)出的規(guī)律，就是我們常說的“模型”；

而計(jì)算機(jī)通過反復(fù)看圖，總結(jié)出規(guī)律，然后學(xué)會(huì)認(rèn)字的過程，就叫“機(jī)器學(xué)習(xí)”。

簡(jiǎn)單地說，深度學(xué)習(xí)就是把計(jì)算機(jī)要學(xué)習(xí)的東西看成一大堆數(shù)據(jù)，把這些數(shù)據(jù)丟進(jìn)一個(gè)復(fù)雜的、包含多個(gè)層級(jí)的數(shù)據(jù)處理網(wǎng)絡(luò)（深度神經(jīng)網(wǎng)絡(luò)），然后檢查經(jīng)過這個(gè)網(wǎng)絡(luò)處理得到的結(jié)果數(shù)據(jù)是否符合要求：

——如果符合，就保留這個(gè)網(wǎng)絡(luò)作為目標(biāo)模型

——如果不符合，就不斷地調(diào)整網(wǎng)絡(luò)的參數(shù)設(shè)置，直到輸出滿足要求為止

（能不能說人話）

換種更直觀的說法~

假設(shè)深度學(xué)習(xí)要處理的數(shù)據(jù)是信息的“水流”，而處理數(shù)據(jù)的深度學(xué)習(xí)網(wǎng)絡(luò)是一個(gè)由管道和閥門組成的巨大的水管網(wǎng)絡(luò)。網(wǎng)絡(luò)的入口是若干管道開口，網(wǎng)絡(luò)的出口也是若干管道開口。

這個(gè)水管網(wǎng)絡(luò)有許多層，每一層有許多個(gè)可以控制水流流向與流量的調(diào)節(jié)閥。根據(jù)不同任務(wù)的需要，水管網(wǎng)絡(luò)的層數(shù)、每層的調(diào)節(jié)閥數(shù)量可以有不同的變化組合。

水管網(wǎng)絡(luò)中，每一層的每個(gè)調(diào)節(jié)閥都通過水管與下一層的所有調(diào)節(jié)閥連接起來，組成一個(gè)從前到后，逐層完全連通的水流系統(tǒng)。（這里說的是一種比較基本的情況，不同的深度學(xué)習(xí)模型，在水管的安裝和連接方式上是有差別的）

以識(shí)字為例，計(jì)算機(jī)該如何使用這個(gè)龐大的水管網(wǎng)絡(luò)來學(xué)習(xí)識(shí)字呢？

比如，當(dāng)計(jì)算機(jī)看到一張寫有“田”字的圖片時(shí)，就簡(jiǎn)單將組成這張圖片的所有數(shù)字（在計(jì)算機(jī)里，圖片的每個(gè)顏色點(diǎn)都是用“0”和“1”組成的數(shù)字來表示的）全都變成信息的水流，從入口灌進(jìn)水管網(wǎng)絡(luò)。

我們預(yù)先在水管網(wǎng)絡(luò)的每個(gè)出口都插一塊字牌，對(duì)應(yīng)于每一個(gè)我們想讓計(jì)算機(jī)認(rèn)識(shí)的漢字。

這時(shí)，因?yàn)檩斎氲氖恰疤铩边@個(gè)漢字，等水流流過整個(gè)水管網(wǎng)絡(luò)，計(jì)算機(jī)就會(huì)跑到管道出口位置去看一看，是不是標(biāo)記有“田”字的管道出口流出來的水流最多。

——如果是這樣，就說明這個(gè)管道網(wǎng)絡(luò)符合要求

——如果不是這樣，我們就給計(jì)算機(jī)下達(dá)命令：調(diào)節(jié)水管網(wǎng)絡(luò)里的每一個(gè)流量調(diào)節(jié)閥，讓“田”字出口“流出”的數(shù)字水流最多

下一步，學(xué)習(xí)“申”字時(shí)，我們就用類似的方法，把每一張寫有“申”字的圖片變成一大堆數(shù)字組成的水流，灌進(jìn)水管網(wǎng)絡(luò)，看看是不是寫有“申”字的那個(gè)管道出口流出來的水最多，如果不是，我們還得再次調(diào)整所有的調(diào)節(jié)閥。

注意！這一次，不僅要保證剛才學(xué)過的“田”字不受影響，也要保證新的“申”字可以被正確處理。

如此反復(fù)進(jìn)行，直到所有漢字對(duì)應(yīng)的水流都可以按照期望的方式流過整個(gè)水管網(wǎng)絡(luò)。這時(shí)，我們就說，這個(gè)水管網(wǎng)絡(luò)已經(jīng)是一個(gè)訓(xùn)練好的深度學(xué)習(xí)模型了。

與訓(xùn)練時(shí)做的事情類似，未知的圖片會(huì)被計(jì)算機(jī)轉(zhuǎn)變成數(shù)據(jù)的水流，灌入訓(xùn)練好的水管網(wǎng)絡(luò)。這時(shí)，計(jì)算機(jī)只要觀察一下，哪個(gè)出口流出來的水流最多，這張圖片寫的就是哪個(gè)字。

 神經(jīng)網(wǎng)絡(luò)并不神秘，它就是利用圖的處理能力幫助我們對(duì)特征的提取和學(xué)習(xí)的過程。Hinton（人稱“深度學(xué)習(xí)開山祖師爺”）曾將深度學(xué)習(xí)總結(jié)成三個(gè)最重要的要素：計(jì)算、數(shù)據(jù)、模型。有了這三點(diǎn)，就可以實(shí)現(xiàn)一個(gè)深度學(xué)習(xí)的系統(tǒng)。 

深度學(xué)習(xí)在大數(shù)據(jù)集上的表現(xiàn)比其他機(jī)器學(xué)習(xí)(ML)方法都要好，所以也逐漸受到更多人的重視。

吳恩達(dá)曾說：“神經(jīng)網(wǎng)絡(luò)代表的深度學(xué)習(xí)是讓我們獲得最接近于人工智能的捷徑”。

而當(dāng)今的各行業(yè)各業(yè)，一般都在經(jīng)歷著兩大技術(shù)的洗禮，一次是 IT，另一次就是 AI。雖然教育行業(yè)當(dāng)前仍以 IT 化為主要變革方向，但AI的作用也越來越重要。

人工智能的時(shí)代無(wú)疑已經(jīng)到來，這個(gè)時(shí)代需要的當(dāng)然就是掌握了人工智能并將其解決具體問題的程序猿和工程獅。而深度學(xué)習(xí)，將成為解決人工智能問題的利器。

講到深度學(xué)習(xí)，不得不提兩款主流學(xué)習(xí)框架：Caffe和Tensorflow。

在深度學(xué)習(xí)領(lǐng)域，Caffe框架是人們無(wú)法繞過的一座山。它在結(jié)構(gòu)、性能上、代碼質(zhì)量上，都稱得上一款十分出色的開源框架，具有上手快、速度快、模塊化等優(yōu)點(diǎn)。

TensorFlow是一個(gè)采用數(shù)據(jù)流圖（data flow graphs），用于數(shù)值計(jì)算的開源軟件庫(kù)，具有高度的靈活性、真正的可移植性等優(yōu)點(diǎn)。

在圖像處理方面Tensoflow還有這種操作 ↓

通過Tensorflow 學(xué)習(xí)Leonid Afremov 的繪畫風(fēng)格（圖二）處理的圖片效果（圖三）

以及這種 ↓

用梵高著名的作品”星月夜“的風(fēng)格（下）加工成了新的視頻風(fēng)格（上）

這種 ↓

（給黑白素描畫自動(dòng)上色）