目標
- 如何通過pytorch來實現(xiàn)一個學習系統(tǒng)；
- 理解基本的NN/DL；
一堆方法的歸類
表示學習：特征提取，提取代表性最好的幾個特征來代表數(shù)量龐大的整體，但是偏淺層；
深度學習：就是深層次的表示學習；
如何指定一個學習系統(tǒng)
經(jīng)典機器學習方法
先輸入數(shù)據(jù)，然后進行手工特征提取（把輸入變?yōu)橄?張量），接著找到與輸出的映射關(guān)系就可以得到輸出結(jié)果了
傳統(tǒng)表示學習框架
最主要的改進就是feature提取也是學習出來的，不用再手動提取了
- 維度詛咒：對于機器學習而言，維度越高的的輸入那么就需要越多的數(shù)據(jù)來學習；
最好能進行降維，但是不影響其原有信息，通過空間映射；
深度學習框架
在深度學習中使用簡單特征（將原始特征直接拿來用），然后設(shè)置一個獨立層（第三個）來提取特征
- 深度學習和傳統(tǒng)表示學習的區(qū)別：傳統(tǒng)表示學習中的feature和學習器是分開訓練的（因為特征選擇是無標簽的，而學習器學習是有標簽的），而在深度學習中是統(tǒng)一在一起的；
聽同學說這一章都是基礎(chǔ)介紹，及時止損
