Python作為人工智能首選編程語言，那麼我們看下深度機器學習怎麼樣，如今最令人振奮的計算機領域之一。看看那些大公司，Google、Facebook、Apple、Amazon早已展開了一場關于機器學習的軍備競賽。從手機上的語音助手、垃圾郵件過濾到逛淘寶時的物品推薦，無一不用到機器學習技術。Python 是一個高層次的結合了解釋性、編譯性、互動性和面向對象的腳本語言。Python 的設計具有很強的可讀性，相比其他語言經常使用英文關鍵字，其他語言的一些标點符号，它具有比其他語言更有特色語法結構。

技術的發展總是超乎人們的想象，從一些科幻電影以及一些前瞻性研究，我們可以知道未來人工智能可能會向以下幾個方面發展: 模糊處理、并行化、神經網絡和機器情感。目前，人工智能的推理功能已獲突破，學習及聯想功能正在研究之中，下一步就是模仿人類右腦的模糊處理功能和整個大腦的并行化處理功能。人工神經網絡是未來人工智能應用的新領域，未來智能計算機的構成，可能就是作為主機的馮·諾依曼型機與作為智能外圍的人工神經網絡的結合。研究表明: 情感是智能的一部分，而不是與智能相分離的，因此人工智能領域的下一個突破可能在于賦予計算機情感能力。情感能力對于計算機與人的自然交往至關重要。

随着計算機技術的快速發展和廣泛應用，人工智能的思想和技術會對人類産生巨大的影響，可以應用于所有的學科領域。它的影響涉及人類的經濟、社會、文化的方方面面。

在2018年，企業将開始意識到他們需要改變他們當前的工作方式。在他們這樣做的時候，他們需要特别留意之前發生的事情：失敗的技術轉型。發生這種情況的原因有很多，但有兩個原因與許多企業接近人工智能的方式有關。一是不會變通，對号入座；二是孤島上進行思考和工作。

随着人工智能的發展，人們将會意識到人工智能摧毀工作隻是一場虛驚。人們可能會更樂意接受工作場所和社會中的人工智能。關于人工智能搶走我們工作的言論将會銷聲匿迹，人們将會談論機器人使我們的生活或工作更将容易的話題。這将會倒逼企業更快的擁抱人工智能。Python深度學習，未來是人工智能時代。大家都知道阿爾法狗和各國圍棋高手的決戰，我們看到一個非常複雜的分析模型在人工智能上又超越了人類。人工智能是利器，可是我們感覺到我們自己的能力、未來的工作會被挑戰，擔心人工智能會成為傷害人類的兇器。

下面我們看怎麼實現激活函數，但還沒有說如何實現 BP 算法（反向傳播算法）、也就是神經網絡中的梯度下降算法。雖然它可能讓許多人望而卻步、但其實需要的工具隻有一個——求導的鍊式法則；然後如果把它分成一個個小單元來求解的話，可能就會發現也沒有想象中的那麼難。至少從實現的層面來講，它相當簡單：

當然，這四行代碼後面隐藏的邏輯有些繁複，我們會一一進行說明：

• 普遍意義下的 BP 算法對應着最後一行代碼，其中：

▪ prev_delta 記錄着反向傳播回來的梯度

▪y 記錄着進行前向算法時、該層輸入值的激活值，使用激活值作為反向傳播算法的輸入的原因在講反向傳播算法的最後有所提及——很多常用的激活函數的導函數使用函數值來定義會比使用自變量來定義要更好

▪self._derivative 是該層激活函數對應的導函數。需要注意的是，它接受的參數是激活值而不是輸入值

• CostLayer 的 BP 算法沒有包括在這裡面。具體細節會在今後帶星号的 CostLayer 相關章節中講，這裡說一個大概思路：它會利用它上一層 Layer（我們稱這層 Layer 為該 CostLayer 的爸爸）（……）的導函數來提前算好一個整合後的梯度，從而當它爸爸得到這個梯度時，可以直接把它往後傳而不用再求導

• 正數第二、第三行對應着當這個 Layer 是 CostLayer 的爸爸時該怎麼做。正如上面提到的，它隻需要直接把這個梯度往後傳就行、因為 CostLayer 已經利用它的導函數提前把梯度算好了

在實現完爸爸的 bp 算法後，由于沒了 tensorflow 那些方便的函數，我們還需要稍微修改一下我們的激活函數：

至于為何要這樣處理，同樣會在帶星号的 CostLayer 相關章節中講到。這裡我們就隻需要知道 CostLayer 需要單獨處理就行

我們就需要定義真正幹活的孩兒們（……）了。我們仍然以 sigmoid 為例：

可以看到，沒有了 tensorflow 的函數、所有東西都需要我們自己寫了。不過即使如此，Layer 的實現（在我看來）仍然是相當簡潔的

好了，今天的知識就分享到這裡，如何零基礎學習python和人工智能，歡迎在下面評論區留言交流！

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!