海德堡应用技术大学-德国海德堡应用技术大学

1. 如何才能深度学习呢？

如何才能深度学习呢？

感谢诚邀！

所谓深度学习，是眼、脑、心三处协同专注于内容，以获得最佳的学习效果，个人关于深度学习提供以下几点心得

1. 学前自问。向自己提问，学习的目的是什么？内心对内容的渴求程度、学习计划及学习时间、学习后的用途。自问的目的是让自己有更清醒的认知，保证自己在学习时的专注力

   
   （图片来源网络，侵删）

2. 放空大脑。深度学习需要抛出杂念，从而专注于书本的内容，紧跟作者的思维展开联想，才能保证更好的记忆与沉淀

3. 学习笔记。好记性不如烂笔头，边学习边做笔记，可以加深对学习内容巩固，也便于后续的复习

4. 学习总结。总结即意味着回顾，将学习内容进行有效提炼，是验证学习成果最有效的手段

   
   （图片来源网络，侵删）

5. 学习实践。实践是巩固学习成果的最佳方式，回到学习的初衷，也是为了最终践行，也将价值最大化。

综上5点，个人心得，供参考！不足之处，还请大家积极评论、补充！

更多学习分享，请关注头条号，每天与职场同仁学习总结，一同进步！

【勤聪云课堂 学习促成长】

我将从意识与潜意识层次的视角来谈学习。

有一个简单的泛读过程。

挑选一本书，粗略看，不求甚解，如果觉得不好，就淘汰。

如果觉得可以进入深度读书阶段。

深度的精读过程

• 刻意练习
  

掌握这本书的知识。【意识层次的学习】

设计知识，使它变成大脑的思维。【意识层次】

• 刻意实践使用
  

通过思维使用知识形成潜意识持有的信念，意识层次的反复修炼过程。把新学的知识应用于实际的实践。

方法：大脑模拟回放、思考、行动。

• 自动化思维层次
  

意识层次掌握的东西贯彻到潜意识层次。【潜意识层次】。

深度读书的基本方法

意识层次的一些特点，学习要根据意识的特点。

1. 单任务
   

2. 串行
   

3. 慢思考
   

4. 计算量大
   

5. 比较耗能量
   

6. 前台运作
   

7. 非自动化
   

学习一本新书，刚开始时，由于在意识层次学习东西，它只能是单任务的，串行、而且计算量大、比较费能量。

要把知识拆解成多个部分，A知识、B知识、C知识。寻找维度拆解、各个击破。

掌握一些意识层次与潜意识层次工作的特点，有助于我们去明明白白学习，并能根据意识与潜意识层次的特点，来规划和安排学习。

结论：

要达到深度学习，要了解意识层次与潜意识层次的特点，这只是深度学习其中最基础的一个视角。

Medium上获得超过一万五千赞的深度学习入门指南，结合图文为你缕清深度学习中的各个基础概念的内涵。

Image credit: Datanami

人工智能（AI）

()

和机器学习（ML）

()

都属于目前最热门的话题。

在日常生活中，AI这个术语我们随处可见。你或许会从立志高远的开发者哪那里听说她（他）们想要学习AI。你又或许会从运营者那里听到他们想要在他们的的服务中实施AI。但往往这些人中的绝大多数都并不明白什么是AI。

在你阅读完这篇文章之后，你将会了解AI和ML的基本知识。而更重要的是，你将会明白深度学习()，这类最热门的机器学习，是如何运作的。

这篇教程适用于所有人，所以本文并没有涉及高级数学。

背景

理解深度学习如何工作的第一步是掌握下列重要术语之间的区别。

• 人工智能（AI）v.s.机器学习（ML）

人工智能是人类智能在计算机上的***。

AI的研究之初，那时的研究人员尝试着***人类智能来完成像玩游戏这样特定的任务。

他们引入了大量的计算机需要遵守的规则。有了这些规则，计算机就有了一份包含各种可能行动的清单，并基于这些规则作出决定()。

机器学习，指的是机器使用大量数据集而非硬编码规则来进行学习的能力。

ML允许计算机通过自身来学习。这种学习方法得益于现代计算机的强大性能，性能保证了计算机能够轻松处理样本数巨大的数据集。

• 监督学习 v.s. 非监督学习

监督学习

()

指的是利用已标注数据集进行的学习，该数据中包含输入和期望输出。

当你利用监督学习来训练AI时，你提供给它一份输入，并告诉它预期的输出。

如果AI所生成的输出是错误的（译者注：与期望输出不同），它将重新调整计算（注：应该是对公式的参数进行重新计算）。这个过程将会在数据集上迭代运行，直到AI不再犯错误。

预测天气的AI便是监督学习的一个典型例子。它通过学习过往数据来预测未来天气。该训练数据拥有输入（气压，湿度，风速）和输出（温度）。

非监督学习

()

是机器学习应用没有指定结构的数据集来进行学习的任务。

当你应用非监督学习来训练AI时，你可以让AI对数据进行逻辑分类。

电商网站上的行为预测AI便是非监督学习的一个例子。它无法通过拥有输入和输出的已标注数据集来进行学习。相反地，它在输入数据上创建它自己的分类。它将会告诉你哪一种用户最可能购买差异化的商品。

深度学习又是如何运作的呢？

现在你已经准备好去理解什么是深度学习，以及它是如何运作的。

深度学习是机器学习中的一种方法。在给予它一组输入后，它使我们能够训练AI来预测结果。监督学习和非监督学习都能够用来训练AI。

我们将通过建立一个***设的机票价格预估系统来阐述深度学习是如何运作的。我们将应用监督学习方法来训练它。

我们想要该机票价格预估系统基于下列输入来进行预测（为了简洁，我们除去了返程机票）：

• 起飞机场

• 到达机场

• 起飞日期

• 航空公司

神经网络

接下来我们将视角转向我们的AI的大脑内部。

和动物一样，我们预估系统AI的大脑中有神经元。将它们用圆圈表示。这些神经元在内部都是相互连接的。

Image credit: CS231n

这些神经元又被分为三种层次：

• 输入层

• 隐藏层

• 输出层

输入层接收输入数据。在本案例中，在输入层中有4个神经元：起飞机场，到达机场，起飞日期以及航空公司。输入层将输入传递给第一个隐藏层。

隐藏层针对我们的输入进行数***算。创建神经网络的一大难点便是决定隐藏层的层数，以及每层中神经元的个数。

深度学习中的“深度”所指的是拥有多于一层的隐藏层。

输出层返回的是输出数据。在本案例中，输出层返回的是价格预测。

那么它到底是如何来运算价格预测的呢？

这便是我们将要揭晓的深度学习的奇妙之处了。

每两个神经元之间的连接，都对应着一个权重。该权重决定了输入值的重要程度。初始的权重会被随机设定。

当预测机票价格时，起飞日期是决定价格的最重要的因素之一。因此，与起飞日期这个神经元相连的连接将会有更高的权重。

Image credit: CodeProject

每个神经元都有一个激活函数()。若没有数学推导，这些函数十分晦涩难懂。

简而言之，激活函数的作用之一便是将神经元的结果“标准化”。

一旦一组输入数据通过了神经网络的所有层，神经网络将会通过输出层返回输出数据。

一点也不复杂，是吧？

训练神经网络

训练AI是深度学习中最难的部分了。这又是为什么呢？

• 你需要一个庞大的数据集

• 你还需要强大的算力

对于我们的机票价格预估系统，我们需要得到过往的票价数据。由于起始机场和起飞时间拥有大量可能的组合，所以我们需要的是一个非常庞大的票价列表。

为了训练机票价格预估系统的AI，我们需要将数据集的数据给予该系统，然后将它输出的结果与数据集的输出进行比对。因为此时AI仍然没有受过训练，所以它的输出将会是错误的。

一旦我们遍历完了整个数据集，我们便能创造出一个函数，该函数告诉我们AI的输出和真实输出到底相差多少。这个函数我们称为损失函数。

在理想情况下，我们希望我们的损失函数为0，该理想情况指的是AI的输出和数据集的输出相等之时。

如何减小损失函数呢？

改变神经元之间的权重。我们可以随机地改变这些权重直到损失函数足够小，但是这种方法并不够高效。

取而代之地，我们应用一种叫做梯度下降()的技巧。

梯度下降是一种帮助我们找到函数最小值的技巧。在本案例中，我们寻找损失函数的最小值。

在每次数据集迭代之后，该方法以小增量的方式改变权重。通过计算损失函数在一组确定的权重***上的导数（梯度），我们便能够知悉最小值在哪个方向。

Image credit: Sebastian Raschka

为了最小化损失函数，你需要多次迭代数据集。这便是需要高算力的原因了。

利用梯度下降更新权重的过程是自动进行的。这便是深度学习的魔力所在！

一旦我们训练好机票价格预估的AI之后，我们便能够用它来预测未来的价格了。

拓展阅读

神经网络有非常多的种类：用于计算机视觉()的卷积神经网络()以及应用于自然语言处理()的循环神经网络()。

如果你想要学习深度学习的技术细节，我建议你参加一个在线课程。

吴恩达()的深度学习专项课程()是当下最好的深度学习课程之一。如果你并不需要一个证书，你便可以免费旁听这门课程。

小结

1. 深度学习应用神经网络来模仿动物智能。

2. 神经网络中有三个层次的神经元：输入层、隐藏层以及输出层。

3. 神经元之间的连接对应一个权重，该权重决定了各输入数据的重要程度。

4. 神经元中应用一个激活函数来“标准化”神经元输出的数据。

5. 你需要一个庞大的数据集来训练神经网络。

6. 在数据集上迭代并与输出结果相比较，我们将会得到一个损失函数，损失函数能告诉我们AI生成的结果和真实结果相差多少。

7. 在每次数据集的迭代之后，都会利用梯度下降方法调整神经元之间的权重，以减小损失函数。

实现深度学习的关键在于运用，我给大家提供了几个运用知识的具体方案:

一 把所学知识运用到相对应的环境中去。

我们学所有的知识，目的都在于运用，把所学到的知识运用到对应的环境中去，解决具体的问题，这才是知我所学知识的价值所在。

比如我们在学校，把所学到的各个知识点，运用到练习或者是考试中去。能够解决问题的知识才是真正属于自己的知识，否则懂再多的理论也是纸上谈兵。

二 运用所学的知识，举一反三，作为学习新内容的基础。

所有的内容都有一个由浅入深的过程，把前面简单的知识学会了，才有可能去学习更加高深的知识。

同样的也只有真正的掌握了前面的知识，才有可能融会贯通，再继续学习更加高深的内容，从而完成知识的更新迭代。

三 把所学到的知识分享给他人。

这个知识我会背了，会解决问题了，这还只是最基本的学习。真正的懂是能够分享给别人，并且别人也能听懂，这才是真正的学会了这一项知识。

每个人的基础和接受能力都是不同的，正确分析他知识水平来，灵活运用所学的知识，来制定分享方案，这对所学的知识，又提高了一个更高的要求。能够做到这一点，才算是真正完成了深度学习。