视觉机器学习概括讲是怎么一回事，如何快速从0搞起？ 什么是机器学习？为什么它如此重要
\u4ec0\u4e48\u662f\u673a\u5668\u5b66\u4e60\uff1fCode.org\u7f16\u7a0b\u6559\u80b2\u7cfb\u5217\u89c6\u9891-\u5173\u4e8e\u4eba\u5de5\u667a\u80fd
\u5bfc\u8bfb\uff1a\u673a\u5668\u5b66\u4e60\u662f\u8fd120\u591a\u5e74\u5174\u8d77\u7684\u4e00\u95e8\u591a\u9886\u57df\u4ea4\u53c9\u5b66\u79d1\uff0c\u6d89\u53ca\u6982\u7387\u8bba\u3001\u7edf\u8ba1\u5b66\u3001\u903c\u8fd1\u8bba\u3001\u51f8\u5206\u6790\u3001\u8ba1\u7b97\u590d\u6742\u6027\u7406\u8bba\u7b49\u591a\u95e8\u5b66\u79d1\u3002\u673a\u5668\u5b66\u4e60\u7406\u8bba\u4e3b\u8981\u662f\u8bbe\u8ba1\u548c\u5206\u6790\u4e00\u4e9b\u8ba9\u8ba1\u7b97\u673a\u53ef\u4ee5\u81ea\u52a8\u201c\u5b66\u4e60\u201d\u7684\u7b97\u6cd5\u3002\u673a\u5668\u5b66\u4e60\u7b97\u6cd5\u662f\u4e00\u7c7b\u4ece\u6570\u636e\u4e2d\u81ea\u52a8\u5206\u6790\u83b7\u5f97\u89c4\u5f8b\uff0c\u5e76\u5229\u7528\u89c4\u5f8b\u5bf9\u672a\u77e5\u6570\u636e\u8fdb\u884c\u9884\u6d4b\u7684\u7b97\u6cd5\u3002\u56e0\u4e3a\u5b66\u4e60\u7b97\u6cd5\u4e2d\u6d89\u53ca\u4e86\u5927\u91cf\u7684\u7edf\u8ba1\u5b66\u7406\u8bba\uff0c\u673a\u5668\u5b66\u4e60\u4e0e\u63a8\u65ad\u7edf\u8ba1\u5b66\u8054\u7cfb\u5c24\u4e3a\u5bc6\u5207\uff0c\u4e5f\u88ab\u79f0\u4e3a\u7edf\u8ba1\u5b66\u4e60\u7406\u8bba\u3002\u7b97\u6cd5\u8bbe\u8ba1\u65b9\u9762\uff0c\u673a\u5668\u5b66\u4e60\u7406\u8bba\u5173\u6ce8\u53ef\u4ee5\u5b9e\u73b0\u7684\uff0c\u884c\u4e4b\u6709\u6548\u7684\u5b66\u4e60\u7b97\u6cd5\u3002\u5f88\u591a\u63a8\u8bba\u95ee\u9898\u5c5e\u4e8e\u65e0\u7a0b\u5e8f\u53ef\u5faa\u96be\u5ea6\uff0c\u6240\u4ee5\u90e8\u5206\u7684\u673a\u5668\u5b66\u4e60\u7814\u7a76\u662f\u5f00\u53d1\u5bb9\u6613\u5904\u7406\u7684\u8fd1\u4f3c\u7b97\u6cd5\u3002 \u673a\u5668\u5b66\u4e60\u5df2\u5e7f\u6cdb\u5e94\u7528\u4e8e\u6570\u636e\u6316\u6398\u3001\u8ba1\u7b97\u673a\u89c6\u89c9\u3001\u81ea\u7136\u8bed\u8a00\u5904\u7406\u3001\u751f\u7269\u7279\u5f81\u8bc6\u522b\u3001\u641c\u7d22\u5f15\u64ce\u3001\u533b\u5b66\u8bca\u65ad\u3001\u68c0\u6d4b\u4fe1\u7528\u5361\u6b3a\u8bc8\u3001\u8bc1\u5238\u5e02\u573a\u5206\u6790\u3001DNA\u5e8f\u5217\u6d4b\u5e8f\u3001\u8bed\u97f3\u548c\u624b\u5199\u8bc6\u522b\u3001\u6218\u7565\u6e38\u620f\u548c\u673a\u5668\u4eba\u7b49\u9886\u57df\u3002 \u4ec0\u4e48\u662f\u673a\u5668\u5b66\u4e60\uff1f \u673a\u5668\u5b66\u4e60\u662f\u4e00\u79cd\u6570\u636e\u5206\u6790\u65b9\u6cd5\uff0c\u5b83\u53ef\u4ee5\u81ea\u52a8\u5206\u6790\u6a21\u578b\u7684\u5efa\u7b51\u3002\u901a\u8fc7\u4f7f\u7528\u8fed\u4ee3\u5b66\u4e60\u6570\u636e\u7684\u7b97\u6cd5\uff0c\u673a\u5668\u5b66\u4e60\u53ef\u4ee5\u4f7f\u7535\u8111\u5728\u6ca1\u6709\u88ab\u660e\u786e\u7f16\u7a0b\u770b\u54ea\u91cc\u7684\u60c5\u51b5\u4e0b\uff0c\u53d1\u73b0\u9690\u85cf\u7684\u9886\u57df\u3002 \u8fed\u4ee3\u5728\u673a\u5668\u5b66\u4e60\u4e2d\u662f\u975e\u5e38\u91cd\u8981\u7684\uff0c\u7531\u4e8e\u5b83\u7684\u5b58\u5728\uff0c\u6a21\u578b\u5728\u9047\u5230\u65b0\u7684\u6570\u636e\u65f6\uff0c\u5c31\u53ef\u4ee5\u72ec\u7acb\u5730\u9002\u5e94\u6570\u636e\u3002\u5b83\u4eec\u53ef\u4ee5\u4ece\u5148\u524d\u4ea7\u751f\u7684\u53ef\u9760\u8ba1\u7b97\uff0c\u91cd\u590d\u7684\u51b3\u5b9a\u548c\u7ed3\u679c\u4e2d\u8fdb\u884c\u5b66\u4e60\u3002\u673a\u5668\u5b66\u4e60\u5e76\u4e0d\u662f\u4e00\u4e2a\u5168\u65b0\u7684\u5b66\u79d1-\u800c\u662f\u83b7\u5f97\u65b0\u52a8\u529b\u7684\u5b66\u79d1\u3002 \u7531\u4e8e\u65b0\u578b\u8ba1\u7b97\u6280\u672f\u7684\u4ea7\u751f\uff0c\u5982\u4eca\u7684\u673a\u5668\u5b66\u4e60\u4e0e\u4ee5\u5f80\u5927\u4e0d\u76f8\u540c\u3002\u5c3d\u7ba1\u5f88\u591a\u673a\u5668\u5b66\u4e60\u7b97\u6cd5\u5df2\u7ecf\u5b58\u5728\u4e86\u5f88\u957f\u65f6\u95f4\uff0c\u4f46\u81ea\u52a8\u5c06\u590d\u6742\u7684\u6570\u5b66\u8ba1\u7b97\u5e94\u7528\u5230\u5927\u6570\u636e\u7684\u80fd\u529b\uff08\u4e00\u4e2a\u53c8\u4e00\u4e2a\uff0c\u8d8a\u6765\u8d8a\u5feb\uff09\u662f\u6700\u65b0\u7684\u8fdb\u5c55\u3002\u4e0b\u9762\u8fd9\u4e9b\u5e7f\u6cdb\u5ba3\u4f20\u7684\u673a\u5668\u5b66\u4e60\u5e94\u7528\u7a0b\u5e8f\u7684\u4f8b\u5b50\uff0c\u4f60\u53ef\u80fd\u975e\u5e38\u719f\u6089\uff1a \u00b7\u5927\u91cf\u7684\u7092\u4f5c\uff0cGoogle\u81ea\u52a8\u9a7e\u9a76\u6c7d\u8f66\uff1f\u673a\u5668\u5b66\u4e60\u7684\u672c\u8d28\u3002 \u00b7\u50cfAmazon\u548cNetflix\u7684\u5728\u7ebf\u63a8\u8350\u670d\u52a1\uff1f\u673a\u5668\u5b66\u4e60\u5728\u65e5\u5e38\u751f\u6d3b\u4e2d\u7684\u5e94\u7528 \u00b7\u77e5\u9053\u5ba2\u6237\u5728Twutter\u4e0a\u8bf4\u4e86\u4ec0\u4e48\u5173\u4e8e\u4f60\u7684\u4e8b\u5417\uff1f\u673a\u5668\u5b66\u4e60\u4e0e\u8bed\u8a00\u89c4\u5219\u521b\u9020\u7ed3\u5408\u3002 \u00b7\u6b3a\u8bc8\u68c0\u6d4b\uff1f\u5728\u6211\u4eec\u73b0\u4eca\u751f\u6d3b\u4e2d\uff0c\u4e00\u4e2a\u66f4\u660e\u663e\u7684\uff0c\u91cd\u8981\u7684\u7528\u9014\u3002 \u4e3a\u4ec0\u4e48\u8d8a\u6765\u8d8a\u591a\u4eba\u5bf9\u673a\u5668\u5b66\u4e60\u611f\u5174\u8da3\uff1f \u4eba\u4eec\u5728\u673a\u5668\u5b66\u4e60\u65b9\u9762\u5174\u8da3\u7684\u590d\u5174\uff0c\u4e5f\u662f\u7531\u4e8e\u540c\u6837\u7684\u56e0\u7d20\uff0c\u5373\u6570\u636e\u6316\u6398\u548c\u8d1d\u53f6\u65af\u5206\u6790\u6bd4\u4ee5\u5f80\u66f4\u53d7\u6b22\u8fce\u3002\u5728\u7c7b\u4f3c\u6570\u91cf\u589e\u957f\u548c\u53ef\u7528\u6570\u636e\u8fd9\u65b9\u9762\uff0c\u8ba1\u7b97\u5904\u7406\u66f4\u5b9e\u60e0\uff0c\u66f4\u5f3a\u5927\uff0c\u4e14\u8d1f\u62c5\u5f97\u8d77\u6570\u636e\u5b58\u50a8\u3002 \u4ee5\u4e0a\u6240\u6709\u7684\u56e0\u7d20\u90fd\u6697\u793a\u7740\uff1a\u673a\u5668\u5b66\u4e60\u53ef\u4ee5\u66f4\u5feb\u4e14\u81ea\u52a8\u7684\u4ea7\u751f\u6a21\u578b\uff0c\u4ee5\u5206\u6790\u66f4\u5927\uff0c\u66f4\u590d\u6742\u7684\u6570\u636e\uff0c\u800c\u4e14\u4f20\u8f93\u66f4\u52a0\u8fc5\u901f\uff0c\u7ed3\u679c\u66f4\u52a0\u7cbe\u51c6\u2014\u2014\u751a\u81f3\u662f\u5728\u975e\u5e38\u5927\u7684\u89c4\u6a21\u4e2d\u3002\u7ed3\u679c\u662f\uff1f\u5728\u73b0\u5b9e\u4e2d\u65e0\u4eba\u7c7b\u5e72\u6d89\u65f6\uff0c\u9ad8\u4ef7\u503c\uff08 High-value\uff09\u7684\u9884\u6d4b\u53ef\u4ee5\u4ea7\u751f\u66f4\u597d\u7684\u51b3\u5b9a\uff0c\u548c\u66f4\u660e\u667a\u7684\u884c\u4e3a\u3002 \u81ea\u52a8\u6a21\u578b\u7684\u5efa\u7acb\u662f\u5728\u73b0\u5b9e\u4e2d\u751f\u6210\u660e\u667a\u884c\u52a8\u7684\u4e00\u5927\u5173\u952e\u3002\u5206\u6790\u601d\u60f3\u9886\u8896Thomas H. Davenport\u5728\u534e\u5c14\u8857\u65e5\u62a5\u4e0a\u5199\u9053\uff0c\u65e5\u65b0\u6708\u5f02\uff0c\u4e0d\u65ad\u589e\u957f\u7684\u6570\u636e\uff0c"\u2026\u4f60\u9700\u8981\u5feb\u901f\u79fb\u52a8\u7684\u5efa\u6a21\u6d41\uff08 fast-moving modeling streams\uff09\u6765\u4fdd\u6301\u3002"\u800c\u4f60\u53ef\u4ee5\u901a\u8fc7\u673a\u5668\u5b66\u4e60\u505a\u5230\u8fd9\u4e9b\u3002\u4ed6\u8fd8\u8bf4\u9053"\u4eba\u7c7b\u901a\u5e38\u4e00\u5468\u53ef\u4ee5\u521b\u5efa\u4e00\u4e2a\u6216\u4e24\u4e2a\u597d\u7684\u6a21\u578b\uff1b\u800c\u673a\u5668\u5b66\u4e60\u4e00\u5468\u5c31\u53ef\u4ee5\u521b\u9020\u51fa\u6210\u5343\u4e0a\u4e07\u7684\u6a21\u578b."
这里面有些问题概念很多，真不是一句两句可以解释清楚的，所以只能初步说一下。问题一：什么是神经网络框架，什么是模型，两者之间是什么关系。
模型好比是一栋楼，楼的结构可以是茅草屋也可以是高楼大厦，神经网络是比较复杂的模型，框架结构就像是高楼大厦。
问题二：图片标注后的机器学习又是什么，训练出的是模型还是神经网络
首先要弄清什么是机器学习。机器学习就是用信息（也叫训练样本）提供给机器让机器通过数学的手段（调整参数）找到其中的规律（获取经验），并用经验来解决给定信息涉及到的问题。图片标注的目的也就是给机器提供信息，引导机器去提取标注的内容的特征规律。而训练出来的是模型,而模型的结构上讲属于神经网络（卷积神经网络）。
问题三：行业上常见的、使用比较多的神经网络/模型又是什么？
视觉类的神经网络有三大类：1.图像分类，对于整个图像来判定其类别。这种模型一般解决不了常见的问题，运用不广泛。2.物体识别, 用来检测图像内的物体并标出其具体位置和轮廓边框。较常见的有CRNN和YOLO 3.图像分割，将不规则的物体或者线条的阴影标出来。这里UNet用的比较多。
问题四： 如何从0开始搞一套视觉学习平台出来？
这里首先要搞懂什么叫卷积神经网络，其数学原理是怎么回事，然后还要有软工（前端、后端、应用平台架构）的经验才能把模型训练和管理、图片标注、模型服务这一整套东西搞出来，基本上没有一个大团队是不可能实现的。
绛旓細璁＄畻鏈瑙嗚涓鏈哄櫒瀛︿範閫傚悎澶т竴瀛︺傝繖闂ㄨ鍙互浣垮鐢熸帉鎻¤绠楁満瑙嗚鐨勫熀鏈蹇点佸浘鍍忓鐞嗐佸浘鍍忕壒寰佷笌鍖归厤銆佸嵎绉缁忕綉缁滃強鍏跺湪鍥惧儚澶勭悊涓殑搴旂敤绛夊熀鏈濇兂鍘熺悊銆佹祦琛岀畻娉曞拰鎶鏈紝浠ュ強娣卞害瀛︿範涓殑鍗风Н绁炵粡缃戠粶鍘熺悊銆佽缁冨拰鍏稿瀷缃戠粶缁撴瀯銆傜潃閲嶈杩拌绠楁満涓殑鍑犱釜涓昏浠诲姟锛氬浘鍍忕壒寰佷笌鍖归厤銆佸浘鍍忓垎绫汇佺洰鏍囨娴嬨佷汉鑴...
绛旓細浠涔堟槸娣卞害瀛︿範涓鏈哄櫒瑙嗚娣卞害瀛︿範妗嗘灦,灏ゅ叾鏄熀浜庝汉宸ョ缁忕綉缁滅殑妗嗘灦鍙互杩芥函鍒1980骞寸宀涢偊褰︽彁鍑虹殑鏂拌鐭ユ満[2],鑰屼汉宸ョ缁忕綉缁滅殑鍘嗗彶鏇翠负涔呰繙銆1989骞,鐕曚箰瀛(Yann LeCun)绛変汉寮濮嬪皢1974骞存彁鍑虹殑鏍囧噯鍙嶅悜浼
绛旓細鍚鏈哄櫒瀛︿範鏂规硶涓鏍凤紝娣卞害鏈哄櫒瀛︿範鏂规硶涔熸湁鐩戠潱瀛︿範涓庢棤鐩戠潱瀛︿範涔嬪垎锛庝笉鍚岀殑瀛︿範妗嗘灦涓嬪缓绔嬬殑瀛︿範妯″瀷寰堟槸涓嶅悓锛庝緥濡傦紝鍗风Н绁炵粡缃戠粶锛坈onvolutional neural networks锛岀畝绉癱nns锛夊氨鏄竴绉嶆繁搴︾殑鐩戠潱瀛︿範涓嬬殑鏈哄櫒瀛︿範妯″瀷锛岃屾繁搴︾疆淇＄綉锛坉eep belief nets锛岀畝绉癲bns锛夊氨鏄竴绉嶆棤鐩戠潱瀛︿範涓嬬殑鏈哄櫒瀛︿範妯″瀷銆傛繁...
绛旓細姣斿锛岀粰浜鏈哄櫒瀛︿範绯荤粺涓涓叧浜庝氦鏄撴椂闂淬佸晢瀹躲佸湴鐐广佷环鏍煎強浜ゆ槗鏄惁姝ｅ綋绛変俊鐢ㄥ崱浜ゆ槗淇℃伅鐨勬暟鎹簱锛岀郴缁熷氨浼氬涔犲埌鍙敤鏉ラ娴嬩俊鐢ㄥ崱娆鸿瘓鐨勬ā寮忋傚鐞嗙殑浜ゆ槗鏁版嵁瓒婂锛岄娴嬪氨浼氳秺鍑嗙‘銆3銆佹満鍣ㄤ汉 灏鏈哄櫒瑙嗚銆佽嚜鍔ㄨ鍒掔瓑璁ょ煡鎶鏈暣鍚堣嚦鏋佸皬鍗撮珮鎬ц兘鐨勪紶鎰熷櫒銆佸埗鍔ㄥ櫒浠ュ強璁捐宸у鐨勭‖浠朵腑锛岃繖灏卞偓鐢熶簡鏂颁竴浠...
绛旓細璁＄畻鏈瑙嗚灞炰簬搴旂敤灞傞潰锛屼細鐢ㄥ埌寰堝鏈哄櫒瀛︿範鐨勬柟娉曘
绛旓細鏈哄櫒瀛︿範宸茬粡鏈変簡鍗佸垎骞挎硾鐨勫簲鐢紝渚嬪锛氭暟鎹寲鎺樸佽绠楁満瑙嗚銆佽嚜鐒惰瑷澶勭悊銆佺敓鐗╃壒寰佽瘑鍒佹悳绱㈠紩鎿庛佸尰瀛﹁瘖鏂佹娴嬩俊鐢ㄥ崱娆鸿瘓銆佽瘉鍒稿競鍦哄垎鏋愩丏NA搴忓垪娴嬪簭銆佽闊冲拰鎵嬪啓璇嗗埆銆佹垬鐣ユ父鎴忓拰鏈哄櫒浜鸿繍鐢ㄣ傚涔犳槸浜虹被鍏锋湁鐨勪竴绉嶉噸瑕佹櫤鑳借涓猴紝浣嗙┒绔熶粈涔堟槸瀛︿範锛岄暱鏈熶互鏉ュ嵈浼楄绾风涵銆傜ぞ浼氬瀹躲侀昏緫瀛﹀鍜屽績鐞嗗瀹...
绛旓細璁＄畻鏈鸿瑙夊睘浜庝汉宸ユ櫤鑳界殑涓涓噸瑕佸垎鏀傝绠楁満瑙嗚鏄竴闂ㄧ爺绌跺浣曡璁＄畻鏈轰粠鍥惧儚鎴栬棰戜腑鑾峰彇淇℃伅銆佺悊瑙ｅ唴瀹瑰苟浣滃嚭鍐崇瓥鐨勭瀛︺傚畠娑夊強鍒板涓绉戦鍩燂紝濡傚浘鍍忓鐞嗐鏈哄櫒瀛︿範銆佹ā寮忚瘑鍒瓑銆傚湪鐜颁唬浜哄伐鏅鸿兘鐨勫彂灞曚腑锛岃绠楁満瑙嗚鎵紨鐫鑷冲叧閲嶈鐨勮鑹层傞氳繃璁＄畻鏈鸿瑙夋妧鏈紝鏈哄櫒鑳藉璇嗗埆鍜屽垎鏋愬浘鍍忎腑鐨勫悇绉嶅厓绱狅紝鍖呮嫭...
绛旓細浠庣鏅搴︾矖鐣ュ湴璇锛屼汉宸ユ櫤鑳芥兜鐩栦簡鍏朵粬鎵鏈夋蹇礫鍥1]锛岃鏈哄櫒瀛︿範鏄浜哄伐鏅鸿兘鐨勪竴涓瓙鏂瑰悜锛岃屾繁搴﹀涔犲張鏄満鍣ㄥ涔犱腑鐨勪竴绫绘柟娉曘傝嚦浜鏈哄櫒瑙嗚涓庤嚜鐒惰瑷澶勭悊锛屽畠浠槸浜哄伐鏅鸿兘棰嗗煙鐨勪袱涓叿浣撳簲鐢紝鑰屼笖寰寰浼氱敤鍒版繁搴﹀涔犮鍥1. 浜哄伐鏅鸿兘涓庣浉鍏虫蹇甸棿鐨勫叧绯 2. 浠涔堟槸鏈哄櫒瀛︿範锛熻秺鏄畝鍗曠殑...
绛旓細璁＄畻鏈瑙嗚鏄鐩墠娣卞害瀛︿範棰嗗煙鏈鐑棬鐨勭爺绌堕鍩熶箣涓銆傚畠浣嶄簬璁稿瀛︽湳绉戠洰鐨勪氦姹囩偣,濡傝绠楁満绉戝(鍥惧舰瀛,绠楁硶,鐞嗚,绯荤粺,寤虹瓚),鏁板(淇℃伅妫绱,鏈哄櫒瀛︿範),宸ョ▼瀛(鏈哄櫒浜哄,璇煶,鑷劧璇█澶勭悊,鍥惧儚澶勭悊),鐗╃悊瀛(鍏夊) ,鐢熺墿瀛(绁炵粡绉戝)鍜屽績鐞嗗(璁ょ煡绉戝)銆傜敱浜庤绠楁満瑙嗚浠ｈ〃浜嗗瑙嗚鐜鍙婂叾鑳屾櫙鐨勭浉瀵圭悊瑙,璁稿绉戝...
绛旓細鐢佃剳瑙嗚锛岄鍏堥渶瑕佹壂鎻忎华鐨勭煡璇嗐傛壂鎻忎华鏄枃瀛楀拰鍥剧墖杈撳叆鐨勪富瑕佽澶囷紝鐩稿綋浜庣數鑴戠殑鐪肩潧锛岃兘澶熼氳繃鍏夌數鍣ㄤ欢鎶婂厜淇″彿杞崲涓虹數淇″彿锛屾妸鐢典俊鍙烽氳繃妯℃暟杞崲鍣ㄨ浆鍖栦负鏁板瓧淇″彿浼犺緭鍒扮數鑴戜腑锛屾妸澶ч噺鐨勬枃瀛椼佸浘鐗囦俊鎭緭鍏ュ埌鐢佃剳涓傛壂鎻忎华鐨勫叧閿櫒浠舵槸鐢佃嵎鑰﹀悎鍣紝閲囩敤涓夋１闀滃垎鑹插厜瀛︾郴缁燂紝浠ヤ笁妫遍暅鏉ュ垎绂昏嚜鐒跺厜涓虹孩...
