1、读推荐序有感

张鑫博士在推荐序中指出，“互联网+”时代催生了“互联网+外卖”，“互联网+打车”，“互联网+家政”等众多商业模式的创新和创业佳话。而随之到来的“AI+”时代，定会创造出“AI+教育”，“AI+媒体”，“AI+医学”等与AI息息相关的商业模式。
读到这里，甚为感触。时代更新变换太快，我们只有不断去学习才能不被时代所遗弃。自AlphaGo肆虐人类围棋，到现在2018年，AI一直在高速发展，如国内某企业今年入围了很多篇CVPR，给人很是震撼。面对AI高速发展的今天，有幸通过【有书共读】活动获得好书 《TensorFlow 实战Google深度学习框架 第二版》。从此，便有了通过此书对深度学习做一简单了解的简单想法。希望借此读书笔记来时刻提醒自己努力学习，健康生活，逛逛牛客，谢谢笔记。

2、人工智能、机器学习与深度学习

本书首先对人工智能、机器学习与深度学习作了简单介绍，以示它们之间的区别。当然，相信各位牛油们对此已经不再陌生。这里再简单提一下，人工智能就是需要计算机帮助人们解决自然语言理解，图像识别，语音识别等问题。如何让计算机可以和人类一样从历史的经验中获取新的知识呢？这就是机器学习需要解决的问题。而对机器学习来说，大多时候特征提取不是一件简单的事情，若人工提取，花费太多的人力物力。深度学习解决的核心问题之一就是自动的将简单的特征组合成更加复杂的特征，并使用这些组合特征解决问题。
这里提到机器学习，就老生常谈的推荐两本书了，周志华的西瓜书，还有就是蓝皮书《统计学习方法》，可以结合起来看，算是一个基本入门吧。

3、深度学习发展历程

深度学习的发展历程其实就是神经网络的一个发展历程。不过，深度学习虽然近两年火热起来，但其历史悠久。最早的神经网络数学模型于1943年提出，随后感知机模型于1958年提出。1986年，back propagation被提出，这个大家都耳熟能详了。随后1991年，LSTM模型被提出。之后，深度学***力发展，以至于在2013年，深度学习被MIT评为了年度十大科技突破之一。然后，各种深度学习框架百花齐放，本书主讲的Tensorflow就是其中一种。

4、深度学习的应用

4.1 计算机视觉

图像分类，物体识别，以及最近火热的自动驾驶中的SLAM，都是计算机视觉和深度学习常见的应用场景，这里就不展开讨论了。

4.2 语音识别

语音识别中，GMM-HMM模型是老牌语音识别的模型算法了，不过基于深度学习的语音识别的错误率比GMM-HMM降低了不少。贴近人们生活的就是，各大企业推出了语音音响（助手）。Google，Amazon，Microsoft，小米，百度，阿里都有。体验过微软的小冰，感觉不错。

4.3 自然语音处理

各大语音模型，机器翻译也是在深度学习上有了不少突破。机器翻译和语音识别的结合也做得不错，科大讯飞，微软等。具体应用场景，不做详细讨论。

5、深度学习工具对比

原书列举了很多种深度学习开源框架，这里着重说一下Tensorflow 和 Pytorch.
Tensorflow
目前，网上众多深度学习开源项目，基于Tensorflow的占了很大比例。所以，学习Tensorflow算是一个主流趋势？？
Pytorch
Pytorch采用动态计算图，TensorFlow采用静态计算图。孰好孰坏，我一个新手不做评论。不过，最近Pytorch要融合caffe2, 推出Pytorch 1.0，说是功能丰富了不少，算是pytorch的一个里程碑？。另外，浏览各大论坛来看，pytorch的支持者一直呈现上升趋势，大家一致口吻pytorch适合新手。
至于选哪个入门，有时间都去体验下吧。
等等？
本书不是讲Tensorflow吗，怎么扯到Pytorch了。
好了，第一章的内容主要就是对深度学习的一个介绍。到此结束。