题图:由 Ilona Ilyés 在 Pixabay 上发布
继续讲述我的大龄程序员的人工智能学习之路,前两篇文章看这里:
最初了解到生成对抗网络(GAN),是从知乎专栏: 深度有趣 ,该专栏的作者是张宏伦,一位上海交通大学的博士,知识渊博,文笔也很好,可惜的是这个专栏到今年年初就没有再更新。
如果大家对生成对抗网络没什么概念,那可以看看下面的图中,哪张是真实图片,哪张是AI生成的?
答案揭晓,两张图片都是AI生成的,这可不是从真实图片经过PS处理而得来的。另外拍卖史上首幅AI画作也已经诞生,以估价60倍的US$432,000(RMB 300万)成交。
想想也觉得神奇吧!正是因为对此充满了好奇,所以我决定扎进去看一看。然而进入之后,才发现这里的水很深,都是一些大腕在玩,比如NVIDIA、Google、微软之类的,再加上部分研究机构。研究这个领域,需要强大的计算资源,个人去做的话,生成个手写数字还差强人意,要生成一个稍微看得下去的图像,训练一个模型,动辄好几天,太难了。《GAN:实战生成对抗网络》这本书看了前面几章,写了几篇笔记:
后面就没有继续再看,等哪天功力到了,再捡起来。
深入到深度学习领域之后,发现深度领域也有很多方向,比如图像处理、自然语言处理、强化学习、GAN等等。对于大神而言,可以多方突击,但对于我这样的普通人来说,能把一个方向弄清楚就不错了,所以我决定还是选择图像处理这个方向作为重点深耕对象。
我个人比较信奉学习+实践的策略,喜欢书本结合实例动手。定下图像处理这个主题方向后,我就去搜寻这方面的书,找到一本《Deep Learning for Computer Vision with Python》,感觉比较适合我。该书国内没有翻译版本,也没出影印版,所以我看的是PDF版本。这本书兼顾了理论和实践两者之间的平衡,对每一个深度学习理论,都会有一个关联的 Python 实现来帮助你巩固对其的理解和学到的知识。书中有详细的代码,且代码都有比较详细的说明,对Engineer非常友好。
一本好书:Deep Learning for Computer Vision with Python
在学习过程中,我写了几篇总结笔记:
学习的日子总是过得很快,从我下定决心学习人工智能,已经过去一年零两个月,时间也翻到了2019年5月。在这中间我还尝试过结合本行,研究浏览器中的机器学习:tensorflow.js,前段时间还买了一块Nvidia出品的人工智能开发板Jetson。对我来说,学习总是一件充满乐趣的事情,总有新鲜的事情可以去探索。虽然现在的本职工作和人工智能并没有什么关系,但说不定哪天,副业就会转正呢?
我的 大龄程序员的人工智能学习之路 暂时划上句号,但我的人工智能学习并没有到达终点,我还会在这条路上继续摸索前行,也欢迎各位结伴同行。
学习人工智能都是在业余时间进行,但其实跑步、练习书法和读书占据了我大部分业余时间,另外周末还要陪娃,所以总体上说,我的人工智能学习之路进展缓慢,但我相信,日拱一卒无有尽。
念念不忘,必有回响,和大家共勉!
以上就是本文的全部内容,希望本文的内容对大家的学习或者工作能带来一定的帮助,也希望大家多多支持 码农网
猜你喜欢:- 程序员如何学习人工智能?2019年人工智能的薪资前景如何?
- AI——人工智能,程序员的末路?
- 大龄程序员的人工智能学习之路[1]
- 大龄程序员的人工智能学习之路[2]
- 程序员世界里的区块链、量子计算机和人工智能
- Codota 用人工智能帮程序员写代码,获 200 万美元种子资金
本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们。