2020-05-05

《深度学习入门：基于Python的理论与实现》读后感

最近因为做一个功能要用到深度学习相关知识和TensorFlowLite，我决定认真的学一下深度学习的知识。以前总觉得AI太高大上，怕自己看不懂。但是这次做这个功能让我意识到，如果自己再不学习，过几年可能就太晚了。我估计三五年之后，AI会渗透到各行各业，连APP开发也需要掌握一些深度学习的知识。

先说一下我们APP做的这个功能：用相机扫描检验单（体检单），将检验单截图上传到服务器，服务器进行OCR识别，并将数据结构化，用于生成用户的基因报告。这里涉及到APP开发的部分是将相机中的检验单检测并裁剪出来，上传到服务器识别。这里识别和裁剪部分很重要。将检验单准确的裁剪出来，可以提升OCR准确率。如果随意拍了一张图片，除了检验单部分，可能还包含了其他杂乱的背景，甚至其他不相关的文字内容。所以只将检验单部分裁剪出来是很重要的。

如果采用传统的OpenCV边缘检测方法来在图片中来找检验单，效果不尽人意。但是如果采用深度学习的方式来找检验单，那就可以得到很好的效果。当然这也是我们从fengjian大神博客学到的。我们采用他的方法，自己准备了一批数据训练，得到一个模型。而我们APP的任务就是在手机上采用TensorFlowLite运行我们的模型来推断得到相关结果。

因为做这个功能，我了解了下TensorFlowlite，但是我们深度学习却是了解不多。所以我决定找本书来学习一下。网上查了下，《深度学习入门：基于Python的理论与实现》这本书挺受好评，问了下我同事，他也看过这书，说写得不错，可以看下。所以我就入手了。看得过程中，我就觉得这本书真是一本好书，是写给普通程序员的深度学习入门书。

这本书真的写得挺好，理由：

• 由浅入深，从Python基础，感知机，最简单的神经网络，再卷积神经网络，循序渐进。
• 几乎每行代码都进行说明，还有完整的运行示例。真的是只有日本人这么细致的人才写得出来。这是我真实感受。虽说Python是一门挺简单的语言，但是它有大量的库，特别是numpy有很多函数，对于本身就没有用过Python的人来说，不解释代码的意思根本很难看懂。而且代码跟理论结合理解，非常符合程序员思维。
• 加入了大量的图标来解释说明。不管是一些数学原理，推导过程，计算过程，都有图表进行说明。
• 内容编排比较合理，很多需要预备的知识先在前面讲了。例如Python基础，numpy基础。激活函数，导数，数值微分，梯度，误差反向传播。可以看得出作者精心编排。我自己数学一般，我看起来只有后面的两章很吃力，其他的都还好。我觉得这得益于作者的内容编排

网上有不少人说这本书是可以零基础入门。也对也不对。如果是完全不懂计算的人，我觉得还是很难看到的，毕竟这里涉及到很多代码逻辑，我觉得至少要有一定的计算机基础和编程基础。我看这本书的时候，我特意看得很慢，而且会反复回退去查看相关章节。例如如果看到某个函数忘了是怎么实现的，就应该回退去查看它的实现和推导过程。

我个人觉得这本书写得很好，看完了让人感觉原来AI不是那么复杂，仿佛自己马上可以手动实现一个神经网络。我原本对AI有点怯，怕对里面的数学看不栋。但是这本书它打消了我的恐惧，让我比较理解了深度学习，人工智能，以后面对AI不再是一个黑盒，而是能想象到它里面的实现逻辑，它为什么能学习，它是怎么学习的。

当然这也只是第一步，但是我觉得这一步迈得挺好的。感谢斋藤康毅。

更新CNN解释器

最近发现一个github开源库解释CNN的，可以结合这本一起看。这本是对CNN的讲解我觉得挺不错的，但是可能看一遍还是不是很理解，我是看了两三遍仍然觉得不够。后来看了这个CNN解释器库之后觉得好了些，因为它用图形具象化了。

如果你觉得这篇文章有用，请打赏小钱喝杯咖啡^_^

Category: 技术 Tagged: 深度学习 人工智能 读后感

comments