一塊兒學習tensorflow（一）

高屋建瓴，統領全局，學習tensorflow。

對如今的職業人士來講，學生時期的知識，對如今的本身來講，彷佛看起來簡單了不少，可是本身卻並無去深刻學習，可以更好理解的緣由就在於：知道了更多周邊信息，對知識的理解有了來龍去脈參照物。

因此我把學習tensorflow的過程記錄了下，重要的是把人工智能的歷史進行了翻譯，因此對tensorfow的基礎理解程度更深。固然，coding過程當中的。每一步，每一句代碼，每犯的一個錯都記錄了下來。

歡迎mark [learn-ai](https://github.com/ifredom/learnig-ai)

==============================================================

什麼是人工智能（AI）？

這是研究使計算機智能運行的方法。粗略地說，計算機是智能的，只要它作正確的事情而不是錯誤的事情。正確的事情是最有可能實現目標的任何行動，或者在更多技術術語中，最大化預期效用的行動。AI包括學習，推理，計劃，感知，語言理解和機器人等任務。

常見的誤解

這是一項特定的技術。例如，在20世紀80年代和90年代，人們經常看到將AI與基於規則的專家系統混淆的文章; 在2010年代，人們看到AI與多層卷積神經網絡相混淆。這有點像用蒸汽機混淆物理。人工智能領域研究在機器中創造智能的通常問題 ; 它不是 對該問題的研究產生的具體技術產品。

這是一類特定的技術方法。例如，一般看到做者用符號或邏輯方法識別AI，並將AI與「其餘方法」（例如神經網絡或遺傳編程）進行對比。AI不是一種方法，這是一個問題。任何解決問題的方法都算做對AI的貢獻。

這是一個特殊的研究團體。這涉及前面的誤解。一些做者使用術語「計算智能」來指代使用諸如神經網絡，模糊邏輯和遺傳算法等方法的所謂的不一樣研究團體。這是很是不幸的，由於它促使研究人員只考慮在他們的社區內接受的方法而不是有意義的方法。

AI是「只是算法」。這並不是嚴格意義上的錯誤，由於算法（鬆散定義爲程序）固然是AI系統的組成部分，以及計算機的全部其餘應用程序。可是，AI系統解決的任務類型每每與傳統的算法任務有很大不一樣，例如排序數字列表或計算平方根。

AI如何令人類社會受益？

人類文明所提供的一切都是咱們智慧的產物。人工智能提供了一種沿着各類方向擴展智能的方法，就像人類的智慧產物起重機容許咱們攜帶數百噸的的重物，飛機容許咱們以每小時數百英里的高速移動，望遠鏡讓咱們能夠看到數萬英里以外的東西。若是設計得當，人工智能系統能夠更好地實現人類價值。

常見的誤解

人工智能必然是非人化的。在許多反烏托邦的情景中，AI被一些人濫用來控制他人，不管是經過監視，機器人警務，自動「正義」仍是AI支持的命令和控制經濟。這些確定是可能的將來，但不是絕大多數人會支持的。另外一方面，人工智能爲人類提供了更多的人類知識和我的學習機會; 消除人民之間的語言障礙; 並消除了無心義和重複的苦差事，令人們失去了機器人的地位。
人工智能必然會增長不平等。讓人類的工做自動化固然有可能將收入和財富集中在愈來愈少的人手中。可是，咱們能夠選擇如何使用AI。例如，經過促進合做並將生產者與使用者聯繫起來，它能夠容許更多的我的和小團體在經濟中獨立運做，而不是依賴於大公司的工做。

什麼是機器學習？

它是人工智能的一個分支，它探索了讓計算機根據經驗提升績效的方法。

常見的誤解

機器學習是一個很大程度上取代AI的新領域。這種誤解彷佛是近期機器學習興趣的增加以及大量學生在沒有接觸過AI的狀況下參加機器學習課程的偶然反作用。機器學習一直是人工智能的核心話題：圖靈的1950年論文假定學習是人工智能的最有可能的途徑，而人工智能最先期的成功，塞繆爾的棋盤遊戲，是使用機器學習構建的。
機器沒法學習，它們只能作程序員告訴他們作的事情。顯然，程序員能夠告訴機器如何自主學習！塞繆爾是一個可怕的跳棋運動員，但他的計劃很快就學會了比他更好。目前，人工智能的許多重要應用都是經過將機器學習應用於大量訓練數據來構建的。

什麼是神經網絡？

神經網絡是一種受生物神經元基本屬性啓發的計算系統。神經網絡由許多單獨的單元組成，每一個單元接收來自某些單元的輸入並將輸出發送給其餘單元。（單元不須要任何單獨的物理存在;它們能夠被認爲是計算機程序的組成部分。）單元的輸出一般經過獲取輸入的加權和並經過某種簡單的非線性傳遞總和來計算，轉換。關鍵屬性是能夠根據經驗修改與單元之間的連接相關聯的權重。

常見的誤解

神經網絡是一種新型計算機。實際上，幾乎全部神經網絡都是在普通的通用計算機上實現的。有可能設計專用機器，有時稱爲神經形態計算機，以有效地運行神經網絡，但到目前爲止，他們尚未提供足夠的優點來支付成本和施工延遲。
神經網絡就像大腦同樣工做。事實上，真正的神經元比人工神經網絡中使用的簡單單元要複雜得多; 有許多不一樣類型的神經元; 真正的神經鏈接能夠隨時間變化; 除了影響行爲的神經元之間的通訊以外，大腦還包括其餘機制; 等等。

什麼是深度學習？

深度學習是機器學習的一種特殊形式，涉及訓練具備多層單元的神經網絡。它近年來變得很是流行，而且已經致使諸如視覺對象識別和語音識別之類的任務的顯着改進。

常見的誤解

深度學習是一個很大程度上取代機器學習的新領域。事實上，深度學習已經在神經網絡社區中存在了20多年。最近的進步是由算法和模型的一些相對較小的改進以及大數據集和更強大的計算機集合的可用性推進的。