致五道口AI书院朋友书

我们不是机器学习科班出身，也非师出名门，只是在这个领域有几年的从业经验，现在回过头来跟大家分享如何学习Deep Learning，主要有这样两个目的：一是用这个过程逼着我们自己能够对深度学习有一个系统的思考和总结，让我们自己能够在这个过程中得到进一步的提高；二是通过这样的一个过程结交更多志趣相投的朋友，结交对于机器学习感兴趣的朋友，一起分享经验，一起讨论问题，一起共同进步；结交其他行业的朋友，获取其他行业的营养，一起浇铸机器学习这个小树苗，共同呵护小树苗茁壮成长。这是我们尝试着要走的路，我想后面的路必定不会平台，后面的方向必定不会清晰，在我们犯错的时候，希望您能给我们足够的包容；在我们迷茫困惑时，也能与我们一路相持，给与些许鼓励；说了很多实现梦想很难的话，但是我们还是要怀揣梦想，万一哪天我们实现了呢？改变世界很难，但是我们还是要有改变的勇气，希望我们一起能够努力让这个世界往美好更近一点。

思考了很久，想给大家不一样的学习体验，也想让大家能够尽快领略机器学习的奥妙，最终决定从宏观到微观的方式来开始这个分享过程。这一点跟我们从小到大接受知识方式有所不同，小学我们从字母到拼音到文字再到句子，大学我们先学习集合到极限到微积分，都是从最基础的如手，打好基础，一步步汇集成一门学问， 当然这些知识体系庞大，涉及广泛，并且所涉及到的内容也都是我们人生中第一次遇到的，所以这种方式是有必要的。不过随着知识的积累和阅历的积累，我们对新事物或多或少的都有一定了解，那么再从最基础的学起，一方面耗费时间较长，很多人已经没有那么多的毅力坚持下来，另一方面由于不够专注或系统，这样往往会失去重宏观把握知识本质的东西，往往学过一遍后不知道问题的关键所在，感觉哪个知识点都还可以，但是不知道这门学问的真正含义，就如同大三大四阶段我们突击学的一些专业课一样，有的人不知道需要掌握的重点在哪里，纠结于某个点不放，这样学习后不会贯通使用，并且记忆也不牢固。

为了达到快速学习的目的，也为了能够从宏观了解深度学习克服上面问题，我们计划从宏观到微观学习深度学习。简单来说，安装好相应的平台如Tensflow caffe后，我们先完整的实现一个例子，比如基于AlexNet 跑一遍Cifar10分类任务，这样我们就了解了对于初学者很陌生的深度学习是如果完成分类任务的，而不会因被推到梯度反向传播吓到，不会被不理解什么是卷积而止住了学习步伐。在不需要理解各个模块具体理论含义的情况下，我们先把整个神经网络当作黑盒子使用，跑通应用的流程，心里有了认识，学习深度学习的最终形态是要利用它完成任务，最终的输出是分类、检测、分割、预测等等。接下来，就可以由简入繁的逐个尝试性的探索各个模块的意义，拨开黑箱的面纱。例如，可以实验学习率这个超参数对网络的影响，最快的学习方法就是实验修改这个参数看看网络的反应，增大缩小这个参数，观察网络的收敛性，验证模型的效果，从而对这个参数的功能有个感性的认识，当然熟悉梯度下降，或者进一步的随机梯度下降的同学是可以不用考虑这个问题了，对于初学者或者已经忘了学习率作用的同学，如果想要了解背后的原理，这时候就可以查一下学习率在梯度下降类方法中的作用了。

在后面一起探讨AI的过程中，您有什么好的建议，请您一定告诉我们，期待与您的交流，小编的微信：