深度学习 deep learning 深度学习框架 caffe 深入学习过程（一）

学习深度学习，首先是理论知识，这方面当然是必须的，但这是一个长期的知识积累的过程，不可能一蹴而就，看本书就可以解决的问题。首先要明确自己学习深度学习的目的是什么，深度学习自从06，07年得到关注，一直到12年才真正进入到大公司的聚光灯下，各大资本涌入到人工智能这个领域，一直持续到现在，已经将近10年的时间，在这期间，研究出了许多改善人们生活的成果，但是不能因为现在大家都说，你就说自己喜欢，不能单纯的跟风，觉得这个好，但你要明白，为什么深度学习好，好在哪里（可以学习人类无法描述的底层抽象特征，说白了，就是很会找规律），与以往的传统方法有什么不同（需要快速的机器，大量的数据，模型参数是变化的，可调的），缺点是什么（以某种概率近似正确，PAC原理），应用基础怎么样（主要在自然语言理解、处理，图像识别，计算机视觉，语音识别，模式识别，自动驾驶，玩游戏），未来发展趋势怎么样（主要在底层的，模仿人类与生俱来的能力上有优势），但是这些很好的能力，背后是有假设的，比如数据量要大，给出的结论具有统计特性，不针对某个特定的个体而言。

了解了这些，在开始学习深度学习框架的过程中，要分析几种框架有什么不同点，侧重点，发展的先后顺序，哪个社区比较庞大，比较活跃，每个框架主要解决什么问题。比如caffe，这个非常获得开源框架，主要解决的是深度学习中的图像处理，提取图像CNN特征用到的比较多，因此如果要学习caffe的框架，那么你的主要用途是在图像方面，或者语音方面，只要可以进行卷积的部分均可以。对于tensorflow而言，google是构建更加庞大，体系完整的机器学习框架，不断地加入了更多丰富的功能，看起来也蛮酷的。但是要明确，你只有学懂了一个，再去学别的才有意义，如果仅仅看这个好，看那个好，那么你永远也学不到精髓部分，换个地方打一枪，那么你浪费了很多时间，而且会让自己陷入什么都懂，什么都不精的痛苦处境（懂，还不想继续看，就是麻木了）。说了上面那些铺垫，是为了让看到我博客的爱好者们，可以大致了解自己想要什么，以及未来要干什么。下面说说阅读caffe源码的过程：

在开始看caffe源码的过程，其实可以从几个点来学习caffe，caffe是一套比较方便使用的框架，定义网络可以很直接的改写prototxt文件，然后不需要该源代码便可以直接训练你要的网络，将训练结果存到一个文件中，下次可以直接拿来用，很方便，如果是这个目标，那么你的关注点应该是学习如果定义，部署一个神经网络模型，如果定义输入，各个层，每层需要的kernel的形状，stride的大小，pooling的方式，以及用什么样的激活函数，最终根据训练目标，用什么样的损失函数来指导训练过程。接下来就是学习不同的模型，怎么使用。如果除了以上说的，还想看看源代码，改改源代码，那么可能就需要看看代码了。

具体看代码的过程，慢慢分析，会记录下来，共同分析。