pytorch初体验

学习感想

• 杜易凇：深度学习是机器学习领域中一个研究方向，最终目标是让机器能够像人一样具有分析学习能力，能够识别文字、图像和声音等数据。从开头学到的深度学习的“不能”中，认识到现在的深度学习还是处于一个非常低级的街道。在神经网络中需要激活函数，单层感知器可以说是最简单的一种神经网络，只能解决线性的分类问题，添加了激活函数后的多层感知器就可以解决非线性分类任务。万有逼近定理表示满足一定条件的神经网络就可以以任意精度逼近任意连续函数/非连续函数。【问题】这个激活函数还有玻尔兹曼机和自编码器还有点不理解，很多数学方面的东西都忘了。

• 柯家航：人工智能作为近10年的在学术界与工业界的热门研究方向，已经发展出了多种多样的技术。人工智能的最基础的思路是模仿人类神经元的工作方式。人工智能当中最重要的一个技术便是机器学习，在机器学习的基础上人们又提出了深度学习。深度学习解决了如何在无监督的情况下对机器进行训练。在视频学习过程当中我学习到了多层感知器，单层感知器，受限玻尔兹曼机，梯度消失等概念。也学习到了实验当中所使用到的ReLu函数。我也了解了目前深度学习的两个发展方向：深和广。目前来说主流的思想是将网络做得更深，因为增加网络深度可以比增加网络网络广度提供更加多的网络表示能力。

• 刘佳成：观看这次有关深度学习的视频之后,我深刻了解到深度学习之强大、应用之光，但是也了解到现实中深度学习仍存在的许多缺陷，如模型复杂、难以纠错和调试；模型增量差，迁移能力差；更专注于感知类问题，对于开放的推理性问题无能为力…但我深知，随着科技的不断进步、科研人员的不懈努力，这些缺陷将会逐渐得到解决。

• 孙远宜：深度学习是创建人工智能系统的一个重要方法，人工智能的真正挑战在于解决那些对人来说很容易执行、但很难形式化描述的任务，比如识别人们所说的话或图像中的脸。对于这些问题，我们人类往往可以凭直觉轻易地解决。深度学习大概就是层次化的概念让计算机构建比较简单的概念来学习复杂的概念。如果绘制出表示这些概念如何建立在彼此之上的一幅图，我们将得到一张层次很多的图。人工智能是一个能对世界造成巨大影响的机会，人工智能的本质是让计算机模拟人的意识、思维与信息的过程。人工智能与各个行业相结合都可能会发生一些奇妙的化学反应，迸发出不一样的火花。

• 黄饴雯：深度学习是学术界模仿人脑的“神经网络”，它用多层次的分析和计算手段，得到结果。深度学习分三个部分组成：输入、输出、模型。输入的东西通过深度学习中的单层感知器来输出结果，但是其存在偏差，输出不一定准确。为提高准确性，采用多层感知器来解决这一问题。【问题】深度波尔兹曼机

代码练习

• 杜易凇
• 柯家航
• 刘佳成
• 孙远宜
• 黄饴雯