大腦無非是肉做的機器而已

──人工智慧之父 馬文・閔斯基

▎沒免費午餐理論

所有可能的數據分布、所有分類算法在未知數據中都有著相同的錯誤率。

換而言之，就是沒有一個通用的算法比其他算法好，這就如同非常複雜的機率圖模型在所有任務中的平均性能和一個丟硬幣算法（亂猜）的平均性能是相同的。

▎什麼是卷積？

簡單來說，卷積其實就是對數據加權求和。

舉例：A同學犯了錯，老師就會用皮尺打A的手，那麼A的手就會立刻浮腫起來。現在我們做一個殘忍的假設：假設A以一個時間頻率不斷的犯錯，老師就會以一個時間頻率不斷的打A的手。舊的傷還沒痊癒，新的疼痛就要來臨。請問在t時刻A的手腫得有多高呢？

提示：在t時刻A手腫脹的高度就是一個卷積的過程。

▎什麼是學習？

性能度量P（Performance Measure）能夠隨著經驗E（Experience）自我完善。

舉例：每次約會B都要等很久，B不敢抱怨，但也不想傻傻的站在樓下等，於是他就開始「學習」。B的任務是「縮小等待的時間」，於是就先等了5分鐘後再出門，結果還是在樓下等了15分鐘。下一次B就等了15分鐘後再出門，居然還是等了10分鐘。後來，B等了25分鐘後再出門，結果就被A揍了一頓，哪裡出錯了？

提示：學習的前提是有潛在規律，A出門時間沒有規律，B的學習是無效的。

本書會列出很多的公式，但請讀者們不要在意所謂的公式，應該多去看一些文字性描述，理順公式的每一次演變，公式是幫助你快速的記憶，並不是你的負擔！

本書特色：本書是一本有關深度學習的入門實戰教程，目的在於盡可能以一種輕鬆的方式，講解一些深度學習核心的技術、關鍵的思想，以及常用的技巧方法，我們將進行模組化編程練習，希望能幫助你從理論走向實踐，並從實踐中加深對理論知識的進一步理解。