本章将会学习到完整的解决机器学习任务的工作流程，建立起可靠的解决深度学习问题的概念框架。 机器学习的四个分支 监督学习 目前最常见，最受关注的深度学习分支。给定一组样本，让机器学习输入到目标的映射。 分类 回归 序列生成 语法树检测 目标检测 图像分割 无监督学习 在没有目标的情况下，让机器寻找输入数据的有趣变换。应用于数据可视化、数据压缩、数据去…

基本概念 人工智能 曾经符号主义人工智能盛行，但它的能力被局限于解决明确的逻辑问题。更加复杂、模糊的问题，如图像分类、语音识别和语言翻译，由机器学习接任。 表示（Representation） 机器学习三要素 输入数据点，如图片 预期输出的示例，如图片所对应的正确标签 衡量算法效果好坏的方法。这是一种反馈信号，用于调节算法的工作方式。这个调节步骤就…

卷积 卷积方式 卷积效果 垂直线清晰可见： 水平线清晰可见： 池化 将图像中的像素分组并过滤到一个子集合中。 池化方式： 例子：2×2最大池化，选择2×2矩阵中的最大值，并构成新的矩阵。 池化效果 尺寸缩小四倍，图像特征被保留，甚至被增强。 特征提取 用于卷积和池化的过滤器也是学习得到的，这个过程被称为特征提取。 图：Dense是随机初始化的，在学…

一个线性方程的推导 训练模型，让其推理出一组输入和输出间的关系 x值 -1.0, 0.0, 1.0, 2.0, 3.0, 4.0 y值 -3.0, -1.0, 1.0, 3.0, 5.0, 7.0 以上两组数据的关系是$y=2x-1$ 代码实现 from tensorflow import keras from tensorflow.keras i…