這些天一直疲於奔波，感慨頗多。一直在思考發展方向的問題，可能自己有點技術控。很多人都覺得讀書多就應該賺錢多，讀書的最終目的就是賺錢麼。當然讀書不可能完全脫離煙火，但我個人覺得讀書的目的不是賺錢，賺錢只是附帶產品。像什麼某某沒讀什麼書，就可以賺很多錢的例子，簡直就是屁話。有誰說過讀書的作用就是賺錢。學什麼東西，有什麼感悟這本身就是一種人生體驗，或者就是為了這種體驗，不管是高尚也好，單純的享受也罷，只有意識狀態提公升，才能正真體會良多。
這一小節剛開始沒懂，最近在飛機上好像看懂了。環境沒搭建，也沒做實驗，感覺意義不大。不過好像這一章是後面理論的基礎，就把自己的理解寫出來記錄下。
個人理解機器學習就是把特定方程式的特定引數通過大量樣本進行訓練規範，是的方程式在普遍情況下能夠適應相應的計算環境。
就拿識別手寫數字這一章來說，我們實際上是把乙個叫做mnist的機器視覺資料集來訓練實際的識別模型的。
具體來說，就是這個視覺訓練資料集中就有大量的手寫數字的樣本。這些樣本風別就是不同樣式的0-9的資料的手寫樣本。首先我們需要把樣本所對應的數字確定成相應的數字對映。
這裡方程式的確認是通過
我們拋開其他只說這個公式，個人覺得這個公式是核心。
i代表數字代號
evidence其實可以算是每個數字代表的概率
j代表給定的畫素索引，用來確定某個畫素。
x代表索引，b是個偏移用來消除無關影響。
而我們的目的就是通過大量的樣本，來訓練w權重和b偏移，實現的效果就是可以通過未知確定是0-9當中的相應數字的概率，最後通過比較每個數字相應的概率確定概率最大的數字為識別出來的數字。
這樣來說，深度學習，其實本質較好的還原了學習的過程。通過大量的樣本，確定權重和偏移。就能夠對需要判斷的事件進行概率上的預估，從而實現識別的目的。其實，人類的認知過程也是比較類似的。
tensorflow 手寫識別
coding utf 8 import tensorflow as tf from tensorflow.examples.tutorials.mnist import input data 載入資料集 mnist input data.read data sets mnist data one h...
tensorflow實現手寫數字識別（MLP）
from future importprint function 即使是在python2版本也要像在python3中使用print函式 fromtensorflow.examples.tutorials.mnistimportinput data mnist input data.read data...
tensorflow 之手寫體識別
原因 由於tensorflow相對於caffe更加靈活，準備轉戰tensorflow，昨天看了下大概的基本函式，今天打算先跑跑簡單的例子 tensorflow的安裝太簡單了，一行 搞定，網上很多教程，不一一列出。想安裝固定tensorflow版本 pip install tensorflow gpu...