深度学习杂谈-1

人工智能很火的时候，据说很多“蓝领“都要失业。吓死人了！但前些日子，出现了深度学习“蓝领“的大量岗位。说是搞数据标注。让人一下子就放心了。起码，暂时，他们不会抛却我们罢。

-- 鲁迅

听说过一个发明叫“太阳能手电筒“，有光的时候他才亮。没有光的时候他不亮怎么办呢？需要用光照一下。深度学习就是这样的东西。他自己是不会亮的。你要用光照一下。他亮不亮还不知道。

-- 爱因斯坦

我

理解的 深度学习，我以为描述出来会比较简单。其实写完以后一看，根本就不是这么回事。只能算是从另一个角度看一看吧。而且也不一定对......

不过，仍然，我打算写至少写两篇文章，阐述一下我的看法。

三维曲面的比方

用一个三维曲面理解一下深度学习的原理：假设硬币扔出去，落下来是正面朝上还是反面朝上和三个因素有关，分别是x,y,z（比如，风速，手的力道，和桌面的弹性）. 建立一个三维坐标系：

那么，我在这个坐标系上面采集很多（比如一万条--深度学习就是这么搞的，没有上万不算深度）的数据，通过“深度学习“的过程（几万次的记录在里面算啊算啊）就会得到这样一个曲面：

在这个空间里，曲面的一侧，代表硬币是正面向上，而另一侧代表硬币是反面向上。得到这个曲面的意义在于，你给出任何x,y,z的值，我都可以得到你最终硬币是朝上还是朝下。在深度学习里面，这个曲面其实是记录在那个所谓的神经网络里面的，他怎么存的，我们没必要知道，他的意义也无法知道 (也有人认为有必要知道，而且能够解读)。但是能够用来算。这个东西就是三维空间里面的一个简单分类器了。

用这样的方法可以处理更复杂的问题：比如说，我的数据里面还标了，这个硬币有没有在桌上滚。那么几个这样的标注就会产生不同的曲面，这曲面和原先的曲面一起，把空间划分成好几个部分。分别代表不同的意思。这样的分类器就复杂一些。

实际上哪有这种好事！

实际上，大部分的情况下可能是符合的，有些情况偏偏不符合呢。这就导致在形成这个曲面的时候，要调整。看看哪样的曲面更好一些，能适应多一点的情况，更准确一些。因为你又不知道他怎么回事，所以就只能隔靴搔痒。不同的人，做的不同的曲面，对不同的情况会产生不同的效果呢。不是说好了是科学吗？怎么能这么玩？对啊！这就是他们说的计算机科学！ 如果你读过化学，那肯定对特殊情况不陌生。那也是他们说的科学！

如果只是这样就好了！

怎么可能三维就解决问题呢？影响一件事的因素是很多的。即便是看相，也不可能就看三点呀。谈到看相我就想起之前看到一篇文章讲说通过深度学习分析人脸得到这个人的一些信息。这个事情我感觉几位兄台他们搞得有点晚了。我们中国就有一种《相术大全》….. 有一部典籍曾经记载了泾河龙王相命引发的一部荡气回肠的故事......

说回来，影响事情的因素是很多的这一条。也就是说，在实际操作中一般都是很多维度，而且这些维度还不一定全哦。

现实中哪有这样的好事！影响的因素是确定的呢？！通常都是不确定的！你说都说不清！

就有这样的好事！

什么呢？图片！影响一个图片内容的因素是不是可以确定的？那就是：像素！！！

世界上从来没有无缘无故的爱，也没有无缘无故的恨。为什么深度学习在图片识别上开花结果不是没有原因的。这个原因就是，你这个图片就算再大，影响你的因素也是有限的。

而且，我可以压缩你。

而且，我可以用小框框，把你分割成一块一块。

这样我就可以开始搞，特征值，特征向量，可以通过一系列推导去求一个多维曲面最优解……

盼望着，盼望着，CNN来了,ResNet的脚步近了，论文越来越多，数据涨起来了，吹牛再也不脸红了。

下一篇，我打算写一下，我理解的深度学习对计算机工程和对数据集的依赖。