同学你好！本文章于2021年末编写，已与实际存在较大的偏差！

故在2022年末对本系列进行填充与更新，欢迎大家订阅最新的专栏，获取基于Pytorch1.10版本的理论代码(2023版)实现，

Pytorch深度学习·理论篇(2023版)目录地址为：

CSDN独家 | 全网首发 | Pytorch深度学习·理论篇(2023版)目录本专栏将通过系统的深度学习实例，从可解释性的角度对深度学习的原理进行讲解与分析，通过将深度学习知识与Pytorch的高效结合，帮助各位新入门的读者理解深度学习各个模板之间的关系，这些均是在Pytorch上实现的，可以有效的结合当前各位研究生的研究方向，设计人工智能的各个领域，是经过一年时间打磨的精品专栏！https://v9999.blog.csdn.net/article/details/127587345欢迎大家订阅(2023版)理论篇

以下为2021版原文~~~~

1、AI的分类：

 2、深度学习的应用：

 

 

 

 

 

 3、案例研究-广告点击

 

 

QA:

1.深度学习的模型的可解释性是黑盒，业界都是比较关心的，但是确实是一个放弃的地方。为什么有效和可解释性并不是相同的。一个模型在一个什么上面有应用会有一个解释，什么样的模型会考虑空间、时间、是否工作的可解释性。

2.领域专家:举个例子，我们要做农业的识别，用无人机拍下来，得到的数据集需要领域专家来解释什么阶段长成什么样子，将需求提出来，也就是项目经理，甲方爸爸。

3.深度无法从数学规范上表示？并不是，具体用数学来解释为什么可以工作和为什么可以不工作是目前较难解决的一个问题。

4.符号学可以和机器学习融合吗?符号学在深度学习上已经有了进步，比如图模型。

5.mac支不支持pytorch？支持，但没有GPU，仅仅可以用CPU

6.自然语言处理还比较一般，不如在图片上做的好一些。

7.如何寻找自己领域的paper？在后面会分享自己的一些做法。

8.无人驾驶出现一次的问题会导致严重的后果，因此无人驾驶在错误率上特别重视，我们不会深入讲解这里，因此在无人驾驶中我们会对很多模型做一个预测，然后进行一种投票，再辅助一系列的传感器进行纠正，降低错误率，提高精度。