Hi,大家好，我又回来了。除了在疫情之下好好活（pang）着，我们需要做的就是提升自己啦。对于一部分人来说，都0202了，还不学深度学习你就OUT了。刚好有同学和我提到这件事,所以今天乘着有空，给大家给你带来接地气的入门篇，主要以问答的形式呈现吧。
##什么是深度学习？
深度学习属于机器学习的升级版机器学习研究中的一个新的领域，其动机在于建立、模拟人脑进行分析学习的深度神经网络，它模仿人脑的机制来解释数据，例如图像，声音和文本，所以它是一种数据科学技术/模型,主要对象为神经网络和高体量数据。
##深度学习与机器学习关系？
就SAME而言，是都是基于数据去求解分类/回归等问题。不同而言：机器学习除了BP神经网络,基本没有以神经元为基础的模型。需要的数据量在数百级别即可，如梯度提升树、支持向量机、线性分类器（如LR)、支持向量机（SVM）、朴素贝叶斯（NB）、K近邻（KNN）、决策树（DT）、集成模型（RF/GDBT等）。2）回归：线性回归、支持向量机（SVM）、K近邻（KNN）、回归树（DT）、岭回归。一般求解算法也不是梯度下降而是传统统计学极大似然估计、EM算法、动态规划等。
##深度学习到底能干什么？
对科研狗来说，可以发用来论文/完成项目。对企业生活来说,可以提高生产力，在部分生产任务上提高效率，如人脸识别，智能推荐，语言翻译。由于是数据科学，所以如果你手里有一些结构化的数据（样本数在数百到数千、万）就可以使用深度学习来解决问题。从数学角度来看，有监督DL往往是做分类、与回归任务；无监督深度学习是发掘数据特征，数据重构等任务。
##深度学习需要的基础是什么？
只要你是理工科大学生，基本入门深度学习就没问题。就我个人看法，高中的数学知识，大学的编程语言基础，以及概率论数理统计知识即可。另外还有一种面向对象的思维。从硬件来看，你需要一台还行的电脑，LINUX\WINDOW\MAC系统都可以。据说WINDOW最渣。
##深度学习的方向分类是什么？
就应用来看分为自然语言处理NLP，图像处理；
*##深度学习如何入门？##
当然是看的我的后续的博客啦，*找到一批数据（深度学习框架里有的），按照这些经典模型去运行代码，在实践中去理解，从数据+模型的角度，完全弄懂后再自己进行实践，学会数据抱着书啃理论一般效果不大。这里推荐莫凡（他去腾讯）老师给你们。最好有面向对象的编程思维，python语言需要先入门，去学python3。达到会预处理数据，会搭建神经网络的水平即可。
#深度学习的工具选择？
一是编程语言，目前在我看来，常用的有Python与MATLAB。后者具有成熟的工具箱，但在我看来自由度不高。而Python才是主流，一般深度学习会用ANACONDA/pycharm/JUPTER 的编程环境 IDLE cpu+gpu。
另外深度学习不需要自己去编写源码！有三大成熟框架可以直接使用。
KERAS
PYTORCH
TENSORLFOW
初学者建议选择KERAS；Tensorflow在2.0版本后，DL模型也主要以KERAS为主线。
##深度学习中常见关键词？##
神经元：接收数据的基本单元，权重、偏置、输入为其组成
层：由神经元组成
网络：由层组合组成，数学上来看就是一个复杂复合函数
梯度：网络学习任务有个损失，损失对输入求复杂导数的向量。
优化器：可以理解为一个算法封装，用于优化梯度下降。
学习率：每次迭代更新参数的变化程度
批大小：每次迭代算法使用的样本数，小于你有的样本数
激活函数：神经元输入变为输出的函数
正则化：控制权重项大小，使得模型泛化性提高
Dropout:使得神经元随机（目前也又不是随机的，似乎更好）失活，使得模型泛化性提高。
验证集：用于优化训练DL模型参数
测试集：评价DL模型的性能能，这里评分高才是真的好！
张量：深度学习数据流，本质是1至N维的数据，图片一般是2维张量。
##深度学习中常见模型？
首先大家不要搞混淆了模型与算法，模型是一个类，对应着输入数据和输出数据，而算法是模型运行的燃料。它是解决模型求解问题的流程，定义了模型运行逻辑。
1.CNN，卷积神经网络，有1D，2D,3D三类分，一般用于图像数据分类。
2.RNN，循环神经网络，用于序列数据/图片（非CNN专属）
3.RBM，受限玻尔兹曼机，基于能量函数作为一种概率图模型。本人见过用它重构数据，叠加SVM做分类。
4.自动编码机
5.以及它们的互相组合。
##深度学习的弊端？##
耗费计算资源、如模型过大训练难度也大。有着很多的超参数需要不断试调；黑箱性，难以解释.
##深度学习的好的资料来源？##
https://morvanzhou.github.io
https://keras.io/zh/
https://www.bilibili.com/video/av66314465?p=8(万能B站)
https://www.bilibili.com/video/av20542427from=search&seid=236533619569261151
https://pytorch.org/tutorials/
CSDN
GITHUB。https://github.com/
还有我的BLOG
一些WX公众号：
量子位、Cver、磐创AI、深度学习与NLP、深度学习工坊…
##深度学习的最近进展？##
注意力机制解释DL模型、自动调参框架（optuna库，准备入手学学）与强化学习结合的–深度强化学习。元学习（让模型学会学习的能力）。
最后：其实我没学过DL，以上都是我瞎掰哈哈哈。。。。
