本系列文章md笔记（已分享）主要讨论深度学习相关知识。可以让大家熟练掌握机器学习基础,如分类、回归（含代码），熟练掌握numpy,pandas,sklearn等框架使用。在算法上，掌握神经网络的数学原理，手动实现简单的神经网络结构，在应用上熟练掌握TensorFlow框架使用，掌握神经网络图像相关案例。具体包括：TensorFlow的数据流图结构，神经网络与tf.keras，卷积神经网络(CNN)，商品物体检测项目介绍，YOLO与SSD，商品检测数据集训练和模型导出与部署。
全套笔记和代码自取地址： https://gitee.com/yinuo112/Technology/tree/master/深度学习/深度学习笔记/1.md
感兴趣的小伙伴可以自取哦，欢迎大家点赞转发~
共 9 章，60 子模块，总字数：130763
深度学习本文
要求
- 熟练掌握机器学习基础,如分类、回归
- 熟练掌握numpy,pandas,sklearn等框架使用
目标
-
算法
-
掌握神经网络的数学原理
-
手动实现简单的神经网络结构
-
-
应用
- 熟练掌握TensorFlow框架使用
- 掌握神经网络图像相关案例
深度学习介绍
1.1 深度学习与机器学习的区别
学习目标
-
目标
- 知道深度学习与机器学习的区别
-
应用
- 无
1.1.1 区别
1.1.1.1 特征提取方面
- 机器学习的特征工程步骤是要靠手动完成的，而且需要大量领域专业知识
- 深度学习通常由多个层组成，它们通常将更简单的模型组合在一起，通过将数据从一层传递到另一层来构建更复杂的模型。通过大量数据的训练自动得到模型，不需要人工设计特征提取环节。
深度学习算法试图从数据中学习高级功能，这是深度学习的一个非常独特的部分。因此，减少了为每个问题开发新特征提取器的任务。适合用在难提取特征的图像、语音、自然语言领域
1.1.1.2 数据量
机器学习需要的执行时间远少于深度学习，深度学习参数往往很庞大，需要通过大量数据的多次优化来训练参数。
注：如果需要下载GPU版本的（TensorFlow只提供windows和linux版本的，没有Macos版本的）参考官网https://www.tensorflow.org/install/gpu?hl=zh-cn,
注意问题：警告指出你的CPU支持AVX运算加速了线性代数计算，即点积，矩阵乘法，卷积等。可以从源代码安装TensorFlow来编译，当然也可以选择关闭
import os
os.environ['TF_CPP_MIN_LOG_LEVEL']='2'
2.1.1.2 TensorFlow结构分析
TensorFlow 程序通常被组织成一个构建图阶段和一个执行图阶段。
在构建阶段，数据与操作的执行步骤被描述成一个图。
在执行阶段，使用会话执行构建好的图中的操作。
-
图和会话 ：
- 图：这是 TensorFlow 将计算表示为指令之间的依赖关系的一种表示法
- 会话：TensorFlow 跨一个或多个本地或远程设备运行数据流图的机制
-
张量：TensorFlow 中的基本数据对象
-
节点：提供图当中执行的操作
2.1.2 数据流图介绍
<figure class="half">
</figure>
TensorFlow是一个采用数据流图（data flow graphs），用于数值计算的开源框架。
节点（Operation）在图中表示数学操作，线（edges）则表示在节点间相互联系的多维数据数组，即张量（tensor）。
未完待续， 同学们请等待下一期
全套笔记和代码自取地址： 请移步这里
感兴趣的小伙伴可以自取哦，欢迎大家点赞转发~
或多个本地或远程设备运行数据流图的机制
- 张量：TensorFlow 中的基本数据对象
- 节点：提供图当中执行的操作
2.1.2 数据流图介绍
<figure class="half">[外链图片转存中...(img-Sr9nrBVw-1704455564725)] [外链图片转存中...(img-mMUkBM4w-1704455564726)]</figure> TensorFlow是一个采用数据流图（data flow graphs），用于数值计算的开源框架。
节点（Operation）在图中表示数学操作，线（edges）则表示在节点间相互联系的多维数据数组，即张量（tensor）。
