深度学习

一、算法分类

• 非人工智能算法（人工）

  • 暴力枚举法

  • 贪心算法

  • 数论

  • 二分算法

  • 深度优化搜索

  • 动态规划

  • 分治算法

  • 回溯算法

    上述的算法主要针对数据结构：数组、链表、栈、队列、散列表、二叉树、堆、跳表、图等进行排序、查找等。

    // 1.人工根据需求编写代码（构建模型并初始化）
    // 函数输入层：num1,num2就是输入数据（某种数据类型）
    var add = function(num1,num2){
    	// 函数体
        var result = num1 + num2
        // 函数输出
        return result
    }
    // 2.测试调整，调BUG（训练） 
    // 上述函数在实际测试中，如果发现与预期结果不符合需要人工调整函数体的逻辑，使得所有的输入输出与预期的标签一致。等通过所有测试无误后正式投入使用。
    // 条件：需要有实际业务的输入输出数据。人工编写的函数体。在测试数据结果中达到100%停止调整。
    // 3.实际使用（推理）
    // 将函数进行封装打包，可以上传到npm，就可供其他人进行调包使用
    

• 人工智能算法（通过对数据的学习，调整函数体。根据学习的数据有无标签可分为有监督、无监督、半监督）

  • 神经网络
    • 
    • 深度学习（初始化随机网络参数，通过对训练数据不断的学习，调整网络中参数的权重）
    • 
    • 机器视觉CV
      • 图像分类 （图像数据->分类【0,1,2,3,4,5,6】）
        • 二分类（猫狗分类）
        • 多分类
      • 图像检测（图像数据->（位置（左上角坐标，宽高）+分类【0,1，2，3】））
        • 目标检测
        • 目标跟踪
      • 图像分割（图像数据->图像数据【每个像素点的分类结果】）
        • 实例分割
        • 语义分割
      • 图像恢复（图像数据->图像数据）
        • 恶劣天气下的去雾、去雨、去雪等
        • 去噪
        • 超分辨
    • 自然语言处理NLP
      • 翻译（文本->文本）
      • 情感分析（分析好评还是差评）
      • 聊天机器人

二、深度学习

学习步骤

1.搭建环境

2.熟悉深度学习相关的库，如pytorch、numpy、opencv等库

3.了解深度学习从数据准备到模型初始化到训练到推理

研究领域：动漫。针对动漫制作的每个流程制作专门的AI

1.文本->动漫人物设计稿

2.动漫人物->虚拟人物