猫也能明白系列

深度学习之计算机视觉入门

第 1 天，前言

本次目标

学习AI有一段时间了，发现资料很多，
但是，
1，要么资料太过于简单，只是片段，学完以后无法动手；
2，资料过于研究算法，学习几个月，还是没搞明白整体。
因此，特意写这篇文章，供有以下需求的同学参考。
1，希望快速的在代码中使用图像识别；
2，希望快速的了解图像识别完整流程；
如果你是希望了解以上两点，那你找对地方了，别忘了加关注。
但是这里，暂时不会关注太多算法，如果您希望做算法研发，
建议您阅读由 Ian Goodfellow 等编写等“Deep Learning”。
https://en.wikipedia.org/wiki/Ian_Goodfellow

学习深度学习的原因

原因或许因人而异，但有以下几点是比较重要的：
1，大势所趋
在这几年里面，AI创新公司大量产生，这里面有水分，有泡沫，
但是，也有大量AI应用开始进入我们生活，未来毫无疑问，会
更多。特别是量子计算的并行计算能力加上AI算法，一旦技术
成熟，会产生颠覆性的效果。就在我写这个文章时，3月9日，
量子计算加AI项目，Google正式宣布，可以参考以下链接。
https://www.tensorflow.org/quantum
2，对每个人的影响
见到有很多仅仅是因为兴趣爱好而学习的，但实际上仅仅这个
理由是不够的，实际上，将来会有很多工作被AI所取代，不管
个人是欢迎还是不欢迎，这个时间点已经近在眼前，不出意外，
10年以内，这是领域会出现颠覆性的新创公司，按照目前国内
追求眼前利益的氛围，这家公司很有可能又是国外公司。
对于我们这些普通人，很有必要做好准备。至少了解正在发生的
事情是什么，说不定，您能坐上接下来的这次风口。

图像识别概要

图像识别的算法

用最简单的话来描叙深度学习的算法？相当于五笔字形输入法。
识别过程：
把一个个小零件合并起来，就是深度学习中的每一层网络在做的
事情。每一层网络会从最小单位零件开始，一层层拼装到最后的
图像。
学习过程：
学习过程就相当于了解每个零件应该是什么样子，这里是算法的
核心。这里不在展开。

使用图像识别的过程

1，建立神经网络模型
这个过程通过使用已经标示好的数据集，训练神经网络
2，在代码里面使用模型
使用已经训练好的模型，这个部分与普通代码没有太大
区别。
在后续的文章里，我们会一起实际动手实验，看看现在的图
像识别有多强大。

有任何问题，欢迎关注并联系作者！