训练验证码-1、深度学习相关概念

，

大家好，我是十一姐，b站时一十一姐啦，知识星球时光漫漫

提示！本文章仅供学习交流，严禁用于非法用途，文章如有不当可联系本人删除！

目录：

      一、人工智能/机器学习/深度学习/神经网络关系

      二、机器学习概念

      三、深度学习概念

下一篇：2、电脑显卡N卡A卡CUDA版本确认

一、先熟悉下4个概念词关系

1.人工智能，机器学习，深度学习，神经网络的关系

• 人工智能：人工智能可以分为很多领域，如：自然语言理解，图像识别，语音识别，推荐系统等等。
• 机器学习：机器学习是一种实现人工智能的方法，一种能够赋予机器学习的能力以此让它完成直接编程无法完成的功能的方法，但从实践的意义上来说，机器学习是一种通过利用数据，训练出模型，然后使用模型预测的一种方法
  
• 深度学习：深度学习是机器学习的一个子集， 利用多层神经网络从大量数据中进行学习
  
• 神经网络：最初是一个生物学的概念，一般是指大脑神经元，触点，细胞等组成的网络，用于产生意识，帮助生物思考和行动，后来人工智能受神经网络的启发，发展出了人工神经网络

2.总结：人工智能是一个很老的概念，1980年机器学习是人工智能的一个子集，深度学习（2010年）又是机器学习的一个子集。机器学习与深度学习都是需要大量数据来“喂”的，是大数据技术上的一个应用，同时深度学习还需要更高的运算能力支撑，如GPU ， 参考文章 https://www.zhihu.com/column/p/30168291

6min视频介绍，如有不当望理解，非专业

二、机器学习概念

1.机器学习：让机器像人一样来学习， 如下分别为机器学习和人脑学习模式的区别，参考文章 https://www.cnblogs.com/z-sm/p/4198857.html

2.机器学习类型：

• 监督学习（这是一个猫，这是一只狗，一个概念）
• 非监督学习（猫和狗和兔子都有白色，灰色，分类归纳）
• 强化学习（做题目一样，不断的把错误的题筛选总结，纠正错误，然后得到更好的效果）

3.机器学习可以解决问题的类型：分类问题（线性直线），回归问题（拟合曲线）

三、深度学习概念

1.深度学习：深度学习的基础叫做神经网络，本身是一种机器学习的算法，而验证码的训练识别属于计算机视觉方面

2.如图，左图分类了猫，狗，马，青蛙，狐狸等数据集类别，右侧进行识别出了狗并进行标记，左侧是图像分类，右侧是目标检测

3.深度学习硬件：发展历程，CPU>GPU>GPU(CUDA)>TPU

• 从1990年到2010年，非定制CPU的速度提高了约5000倍以上
• 20世纪起 NVIDIA 和 AMD 等公司开始发展快速大机模并行计算芯片(GPU)，为越来越逼真的游戏提供图像显示支持。为后来的人工智能爆发式发展奠定硬件基础
  
• 2007年，NVIDIA 推出了 CUDA，作为其 GPU 系列的编程接口，少量 GPU开始在各种高度并行化的应用中替代大量 CPU 集群，并且最早应用于物理建模。深度神经网络主要由许多小矩阵乘法组成，它也是高度并行化的,2011 年前后，一些研究人员开始编写神经网络的 CUDA 实现
  
• 2016 年，Google 发布了张量处理器(TPU)项目，它是一种新的芯片设计，其开发目的完全是为了运行深度神经网络。速度比最好的 GPU 还要快 10 倍，而且能效更高

4.深度学习之数据：

• 数据对于人工智能来说就像燃料对于汽车一样重要，在过去数据量小限制了人工智能的发展，随着互联网的快速发展，大量数据被产生，海量数据经过大数据技术数据采集、预处理、存储及管理、分析及挖据等方式，从各种各样类型的海量数据中，快速获得有价值信息，为深度学习等人工智能算法提供坚实的素材基础
• 例如：各大视频网站的各类视频，各个新闻网站的大量文字数据，各个企业的信息数据，直播弹幕数据，酒店航空等数据，等等......
  

5.深度学习之算法：

• 直到20世纪前十年的未期，我们仍没有可靠的方法来训练非常深的神经网络，这一情况在 2009一2010 年左右发生了变化，当时出现了几个很简单但很重要的算法改进，可以实现更好的梯度传播
• 2017年谷歌提出transformer，为今天的ChatGPT的诞生埋下种子，今天ChartGPT给大家带来震撼效果其背后是大数据、高性能计算设备、和强大的算法共同的努力

6.接下来的每天更新内容大致如下

The End~ 更多交流加vx

点击下方“阅读原文”推荐看b站视频

原文始发于微信公众号（逆向OneByOne）：训练验证码-1、深度学习相关概念