第一章 深度学习介绍
1.1 人工智能
人工智能的实力将它分成3大类
( 1 )弱人工智能( Artificial Narrow Intelligence , ANI)
( 2 )强人工智能( Artificial General Intelligence , AGI)
( 3 )超人工智能( Artificial Superintelligence , ASI)
1.2 数据挖掘、机器学习与深度学习
1.2.1 数据挖掘
数据挖掘就是在大型的数据库中发现有用的信息，并加以分析的过程， 也就是人们所说的 KDD ( knowledge discovery in database
1.2.2 机器学习
机器学习算是实现人工智能的一种途径， 它和数据挖掘的相似性，也是一 多领域交叉学科，涉及概率论、统计学、逼近论 、凸分析、 算复杂性理论等学科。
1.2.3 深度学习
随着神经网络的发展，目前比较流行的网络结构分别有:深度神经网络 (DNN )、 卷积神经网络 (CNN) 、循环递归神经网络 (RNN )、生成对抗网络 (GAN ).等等，本 书会逐一详细介绍 ，在此不再赘述
第二章深度学习框架
TensorFlow
目前 Tensorflow 是全世界使用人数最多、社区最为庞大的一个框架，因为 Google 公司出品，所以维护与更新也比较频繁，并且有着 Python C++ 的接口，教程也非常 完善
由于其语言太过于底层，目前有很多基于 Tensorflow 的第二万抽象库将 Tensorf1 ow 的函数进行封装，使其变得简洁
Caffe
从它的名字就可以看出其对于卷积网络的支持特别好，同时也是用 C++ 写的，但 是并没有提供 Python 接口，只提供了 十+的接口
Theano
所以 某种程度来讲 Tensorflow 就像 Theano 的孩子
Torch
本书的主角 PyTorch 的前身便是 Torch. 其底层和 Torch 框架二样，但是使用 Python 重新写了很多内容，不仅更加灵活，支持动态图，也提供了 Python 接口。
MXNe
MXNet 的缺点也很明显，教程不够完善，使用的人不多导致社区不大，同时 每年很少有比赛和论文是基于 MXNet 实现的，这就使得 MXNet 的推广力度和知名度 不高
2.2 PyTorch 介绍
2.2.1 什么是 PyTorch
不仅能够实现强大的 GPU 加速，同时还支持功态神经网 络，这是现在很多主流框架比如 Tensorflow 等都不支持的
2.2.2 为何要使用 PyTorch
- 掌握1个框架并不能 劳永逸
- PyTorch ，通过一种反向自动求导的技术，可以让你零延迟地任意 改变神经网络的行为，尽管这项技术不是 PyTorch 独有
- PyTorch 的设计思路是线性 、直观且易于使用的，当你执行 行代码时，它 忠实地执行， 并没有异步的世界观
- PyTorch 的代码相对于 Tensorflow .更加简洁 观，同时对于 Tensorflow 高度工业化的很难看懂的底层代码
pytorch的优点：
2 .3.1 Python 开发环境的安装
https://pytorch.org/get-started/locally/
第三章 多层全连接神经网络
3.1 热身: PyTorch 基础
3.1.1 Tensor (张量)
PyTorch 里面处理的最基本的操作对象就是 Tensor .Tensor 是张量的英文，表示的 是一个多维的矩阵
。。。
由于老师的要求，暑期期间应该先过TF所以这个笔记应该是太监了