深度学习_1 介绍；安装环境

深度学习

学习自李沐老师的课程。笔记主要以总结老师所讲解的内容以及我个人的想法为主，侵删！

课程链接：课程安排 - 动手学深度学习课程 (d2l.ai)

介绍

AI地图：

首先，AI 能对问题处理到什么地步？分为四个层次：感知，推理，（形成自己的）知识，（未来）规划。

几大技术方向：

• 自然语言处理 NLP，比如中译英。这个还在感知的层面。老师认为，如果任务量是人脑几秒钟可以处理掉的就属于感知的简单层面哈哈，比如翻译官听到一句英文翻译成中文。语言属于一种符号，因此 NLP 属于符号学。
• 计算机视觉 CV，可以对图片进行进一步的推理处理比如分类。像素不算是“符号”，不属于符号学。

几大应用领域：

• 图片分类。17年左右大多数团队可以把错误率降低至5%。
• 物品检测分割。我曾经接过分割图片的接单，没累死我。
• 样式迁移：比如把期望的滤镜合成到图片上。
• 人脸合成：计算机合成假脸。
• 字生图：AI 绘图。
• 文字生成：gpt。
• 无人驾驶。

比如，拿一个广告预测的案例来说。当我们在搜索框搜索一个物品的时候，算法如何给我们呈现出更容易骗我们点击的广告？

首先需要形成一个预测模型，使用训练数据，分析其中的特征和用户点击的统计数据来构建模型。

对于一个搜索内容，我们提取其特征后放入模型中，并进行点击率预测。

而且在实际应用过程中，模型还可以不断迭代。

安装

为了防止不必要的麻烦，我选用的是购买云服务器方案。我在 AutoDL 上购买了自带 Conda 环境的 ubuntu 服务器并在其上进一步安装包配置环境。AutoDL 非常便宜，我租的是 50GB 数据盘 90GB 内存的服务器，每小时2元。不过是抢占式的，要么就是等空闲机器释放，要么把当前环境克隆到另一台空闲机器上运行。我在敲下这篇博客时就在等待释放hh。

按照老师的说明 安装 — 动手学深度学习 2.0.0 documentation (d2l.ai)，下载 torch, jupyter, torchvision, d2l

具体下载方式全部是进入 conda activate base 环境中使用 pip 下载。torch 下载好久呀，我的钱钱qaq

最后执行 jupyter notebook，并把端口映射到本地打开，即可看到 jupyter 本课程的笔记本（AutoDL 只有一个端口供用户映射。但是当我们使用 vscode remote SSH 远程连接的时候端口会自动映射到本地，直接打开链接即可）。