機(jī)器學(xué)習(xí)(深度學(xué)習(xí))跟編程范式以及處理的數(shù)據(jù)等方面根傳統(tǒng)的編程有較大不同北苟，需要學(xué)習(xí)或準(zhǔn)備轉(zhuǎn)型做這個(gè)領(lǐng)域的需要引起足夠的關(guān)注以躯。
1蟆盐、編程范式
在經(jīng)典的程序設(shè)計(jì)(即符號(hào)主義人工智能的范式)中移必，人們輸入的是規(guī)則(即程序)和需要根據(jù)這些規(guī)則進(jìn)行處理的數(shù)據(jù)室谚，系統(tǒng)輸出的是答案 (見(jiàn)下圖)。
利用機(jī)器學(xué)習(xí)避凝，人們輸入的是數(shù)據(jù)和從這些數(shù)據(jù)中預(yù)期得到的答案舞萄，系統(tǒng)輸出的是規(guī)則或者叫模型眨补。這些規(guī)則隨后可應(yīng)用于新的數(shù)據(jù)管削，并使計(jì)算機(jī)自主生成答案。
機(jī)器學(xué)習(xí)系統(tǒng)是訓(xùn)練出來(lái)的撑螺，而不是明確地用程序編寫出來(lái)的含思。將與某個(gè)任務(wù)相關(guān)的許多示例輸入機(jī)器學(xué)習(xí)系統(tǒng)，它會(huì)在這些示例中找到統(tǒng)計(jì)結(jié)構(gòu)，從而最終找到規(guī)則將任務(wù)自動(dòng)化含潘。這一點(diǎn)與人類思考類似饲做，看下圖人類解決問(wèn)題的思路：
可以看出，機(jī)器學(xué)習(xí)處理的是數(shù)據(jù)遏弱，通過(guò)學(xué)習(xí)輸入的數(shù)據(jù)盆均，從而建立模型，以便預(yù)測(cè)新的數(shù)據(jù)都輸出漱逸。
2泪姨、數(shù)據(jù)
在處理的數(shù)據(jù)方面，傳統(tǒng)的編程處理的數(shù)據(jù)往往都是簡(jiǎn)單的數(shù)據(jù)或存在數(shù)據(jù)庫(kù)里的關(guān)系型數(shù)據(jù)饰抒，經(jīng)常的操作是對(duì)數(shù)據(jù)的增刪改查（CRUD）操作肮砾，而機(jī)器學(xué)習(xí)(深度學(xué)習(xí))處理的數(shù)據(jù)一般都是很大的數(shù)據(jù)，經(jīng)常把它叫做數(shù)據(jù)集袋坑，為了高效處理這些數(shù)據(jù)仗处，我們需要用到向量、矩陣或多維數(shù)組來(lái)存儲(chǔ)和表達(dá)枣宫。這也是準(zhǔn)備學(xué)習(xí)或轉(zhuǎn)型到向量的同仁需要注意的婆誓，所以，你需要了解也颤、熟悉并習(xí)慣使用多維數(shù)組來(lái)進(jìn)行數(shù)據(jù)存儲(chǔ)旷档、變換。這里列舉一下歇拆，你可能會(huì)遇到的幾類數(shù)據(jù)集：
向量數(shù)據(jù)：2D張量鞋屈，形狀為 (samples, features)。這是最常見(jiàn)的數(shù)據(jù)故觅，對(duì)于這種數(shù)據(jù)集厂庇，每個(gè)數(shù)據(jù)點(diǎn)都被編碼為一個(gè)向量，因此一個(gè)數(shù)據(jù)批量就被編碼為2維張量（即向量組成的數(shù)組输吏，即矩陣）权旷，其中第一個(gè)軸是樣本軸，第二個(gè)軸是特征軸贯溅。例如在手寫數(shù)字識(shí)別的例子中拄氯，一副28乘28像素的圖片，展成一個(gè)向量就是一個(gè)784個(gè)像素的向量它浅，如果有10000副這樣的圖片译柏，就可以使用一個(gè)形狀為（10000，784）的二維張量來(lái)表達(dá)姐霍。
-
時(shí)間序列數(shù)據(jù)或序列數(shù)據(jù)：3D張量鄙麦，形狀為(samples, timesteps, features)典唇。當(dāng)時(shí)間（或序列順序）對(duì)于數(shù)據(jù)很重要時(shí)，應(yīng)該將數(shù)據(jù)存儲(chǔ)在帶有時(shí)間軸的3D張量中胯府。每個(gè)樣本可以被編碼為一個(gè)向量序列（即2D張量）介衔，因此一個(gè)數(shù)據(jù)批量就被編碼為一個(gè)3D張量。例如骂因，股票價(jià)格數(shù)據(jù)集炎咖，每一分鐘，我們將股票的當(dāng)前價(jià)格寒波、前一分鐘的最高價(jià)格和前一分鐘的最低價(jià)格保存下來(lái)塘装，因此每分鐘被編碼為一個(gè)3D向量，整個(gè)交易日被編碼為一個(gè)形狀為(390, 3) 的2D張量（一個(gè)交易日有390 分鐘）影所，而250天的數(shù)據(jù)則可以保存在一個(gè)形狀為(250, 390,3) 的3D張量中蹦肴。這里每個(gè)樣本是一天的股票數(shù)據(jù)。
圖2-1 -
圖像：4D張量猴娩，形狀為(samples, height, width, channels)或(samples, channels,height, width)阴幌。圖像通常具有三個(gè)維度：高度、寬度和顏色深度卷中。雖然灰度圖像（比如MNIST 數(shù)字圖像）只有一個(gè)顏色通道矛双，因此可以保存在2D 張量中，但按照慣例蟆豫，圖像張量始終都是3D 張量议忽，灰度圖像的彩色通道只有一維。因此十减，如果圖像大小為256×256栈幸，那么128 張灰度圖像組成的批量可以保存在一個(gè)形狀為(128, 256, 256, 1) 的張量中，而128 張彩色圖像組成的批量則可以保存在一個(gè)形狀為(128, 256, 256, 3) 的張量中帮辟。
圖2-2 視頻：5D張量速址，形狀為(samples, frames, height, width, channels)或(samples,frames, channels, height, width)。視頻數(shù)據(jù)是現(xiàn)實(shí)生活中需要用到5D張量的少數(shù)數(shù)據(jù)類型之一由驹。視頻可以看作一系列幀芍锚，
每一幀都是一張彩色圖像。由于每一幀都可以保存在一個(gè)形狀為(height, width, color_depth) 的3D張量中蔓榄，因此一系列幀可以保存在一個(gè)形狀為(frames, height, width,color_depth) 的4D張量中并炮，而不同視頻組成的批量則可以保存在一個(gè)5D 張量中，其形狀為(samples, frames, height, width, color_depth)甥郑。
讀到這里可能有的同學(xué)會(huì)覺(jué)得有點(diǎn)暈了逃魄，就像一個(gè)習(xí)慣了舞槍弄棒的人，現(xiàn)在教你改用機(jī)槍和大炮壹若，從使用冷兵器到使用熱兵器嗅钻，不習(xí)慣是必然的，但是學(xué)習(xí)曲線就是這樣的陡店展！而你必須習(xí)慣养篓，否則學(xué)習(xí)機(jī)器學(xué)習(xí)(深度學(xué)習(xí))會(huì)比較吃力。
總之赂蕴，一句話柳弄，機(jī)器學(xué)習(xí)(深度學(xué)習(xí))大多數(shù)情況下處理的是多維數(shù)據(jù)，不管具體是幾維概说。
3碧注、工程性強(qiáng)
深度學(xué)習(xí)在理論上無(wú)法證明它為何有效，但是在實(shí)際問(wèn)題上它的確有效糖赔，沒(méi)有形成系統(tǒng)的理論萍丐。比如，各個(gè)深度學(xué)習(xí)模型為什么好用放典？原理本質(zhì)是什么逝变？各個(gè)模型都適用于什么場(chǎng)合？針對(duì)特定數(shù)據(jù)奋构，特定問(wèn)題壳影，如何組合搭建模型，各個(gè)參數(shù)怎么選弥臼？如何根據(jù)特定模型宴咧，特定數(shù)據(jù)來(lái)訓(xùn)練模型？所以径缅，機(jī)器學(xué)習(xí)(深度學(xué)習(xí))領(lǐng)域工程性強(qiáng)掺栅，或者說(shuō)實(shí)踐性強(qiáng)。由于這一領(lǐng)域是靠實(shí)驗(yàn)結(jié)果而不是理論指導(dǎo)的纳猪，所以只有當(dāng)合適的數(shù)據(jù)和硬件可用于嘗試新想法時(shí)(或者將舊想法的規(guī)模擴(kuò)大柿冲，事實(shí)往往也是如此)，才可能出現(xiàn)算法上的改進(jìn)兆旬。機(jī)器學(xué)習(xí)不是數(shù)學(xué)或物理學(xué)假抄，靠一支筆和一張紙就能實(shí)現(xiàn)重大進(jìn)展，這或許是人工智能一路曲折發(fā)展的一個(gè)因素丽猬。它是一門工程科學(xué)宿饱。
4、再談維度
維度這個(gè)詞語(yǔ)我們經(jīng)常聽(tīng)到脚祟，在物理學(xué)上谬以，認(rèn)為我們生活的空間是個(gè)3維空間，加上時(shí)間由桌，大家認(rèn)為就是4維为黎；但是在數(shù)學(xué)領(lǐng)域邮丰，可以由3維上升到N維空間，數(shù)學(xué)上的理解有所不同铭乾，有興趣的可以查看2008年歐洲數(shù)學(xué)界的一個(gè)關(guān)于維度的專業(yè)講解剪廉；在意識(shí)領(lǐng)域，也可以有多維的概念炕檩，在梁冬采訪北大教授劉豐的視頻中斗蒋，劉豐講到了生命的意義在于提升意識(shí)的維度，并說(shuō)上升到4維就是宗教笛质，而且說(shuō)人類的智慧往往來(lái)自直覺(jué)泉沾，而直覺(jué)往往來(lái)自高維度的信息，有興趣的可以參考這里妇押。人工智能處理的數(shù)據(jù)跷究，從數(shù)學(xué)上講就是高緯度的數(shù)據(jù)，是否人類在人工智能的努力方向正在解開(kāi)高緯度的秘密敲霍？高維度是否打開(kāi)了通往智慧揭朝、通往上帝之門？這里只是做點(diǎn)延展色冀。
以上就是學(xué)習(xí)機(jī)器學(xué)習(xí)(深度學(xué)習(xí))需要注意的幾點(diǎn)潭袱，供大家參考和討論。
