计算机复试 -- 深度学习

深度学习篇

1、什么是深度学习？

概念：深度学习是用于建立、模拟人脑进行分析学习的神经网络，并模仿人脑的机制来解释数据的一种机器学习技术。

深度：深度就是多加神经元，深度学习的深度一方面增加了大量的参数，增加的参数意味着这个网络的表达能力更强大了。可以学习和区分的特征更多了。而一旦学习到的特征变多的话，我们在分类和识别的能力也就变好了

是否越深越好：理论上来说网络越深表达能力越强，能处理的训练数据也更多，但是训练算法未必支持，最大的挑战还是构造一个大的结构和设计训练算法

特点：它的基本特点是试图模仿大脑的神经元之间传递，处理信息的模式。最显著的应用是计算机视觉和自然语言处理(NLP)领域。显然，“深度学习”是与机器学习中的“神经网络”是强相关，“神经网络”也是其主要的算法和手段；或者我们可以将“深度学习”称之为“改良版的神经网络”算法。

原理：深度学习通过使用反向传播算法来指示机器应该如何更改其内部参数（用于从前一层的表示计算每个层中的表示）来发现大数据集中的复杂结构

应用：深度卷积网络CNN在处理图像、视频、语音和音频带来了突破

  循环神经网络RNN对文本和语音等顺序数据进行彰显

应用实例：机器翻译、目标识别、人脸识别、自动驾驶

2、计算机视觉的处理流程

1、准备图像数据

2、对图片进行预处理：设计去噪声、图片大小统一化、变换色域

3、选择要处理的任务，根据任务选择相应算法

4、根据要处理的目标，提取相应特征

5、根据图像和相应的特征DB，来预测一张新的图片的某种属性（识别或者分割）

6、最后输出预测结果

无人驾驶感知系统基于计算机视觉技术来检测物体和信号，以此处理从摄像头提取的数据。计算机视觉软件需要能够识别车道边界的具体细节（比如，线条颜色和图案等），还需要能评估适当的交通规则，在复杂交通场景下实现安全的、与人类驾驶行为类似的自主驾驶。

计算机视觉五大技术：图像分类、对象检测、目标跟踪、语义分割、实例分割

应用：人脸识别、图像检索、游戏与控制、监测、生活识别技术、智能汽车

3、什么是云计算？

概念；将计算任务转移到服务器端，用户端只需要个显示器就可以。云计算带来了业务敏捷性、可扩展性、效率和节约成本等优势，最重要的是，它不再需要任何重大的资本投资。

人工智能与云计算：人工智能平台能够在数据科学家们的手中，帮助云计算实现比传统框架更加有效、更智能的运行，并且提高自动化程度、降低成本，优化数据管理与实践。

云计算不仅是人工智能的基础计算平台（当然并非当前所有的人工智能计算都在严格意义的云平台上进行），也是人工智能的能力集成到千万应用中的便捷途径；人工智能则不仅丰富了云计算服务的特性，更让云计算服务更加符合业务场景的需求，并进一步解放人力。

云计算三种模式：Iaas（基础设施即服务）将硬件外包到别的地方去；

saas：（软件即服务）一个远程服务器上的应用都可以通过网络来运行，例如苹果的iCloud

paas：（平台即服务）在网上提供各种开发和分发应用的解决方案