本文目录
- 什么是全卷积神经网络怎么理解
- 智能AI的持续发展，到后期，底层程序员该何去何从
- 我不是一个IT行业人，我想了解人工智能究竟是怎么实现的，或者说实现的方向，怎么做最接近
- 有哪些卷积神经网络学习资料
- 卷积神经网络中卷积核的翻转、全连接层的处理和反向传播的详细过程，是怎样的
什么是全卷积神经网络怎么理解
我们先了解什么是卷积神经网络：
传统的神经网络分为三层：输入层、隐藏层、输出层
而卷积神经网络分为：输入层、卷积层、激励层、池化层、全连接层
全卷积神经网络（FCN）与卷积神经网络（CNN）的区别在把于CNN最后的全连接层换成卷积层，输出的是一张已经Label好的图片。
详细一点地来说就是FCN对图像进行的是像素级的一个分类
与CNN在卷积层之后使用全连接层得到固定长度的特征向量进行分类（全联接层＋softmax输出）不同
FCN是可以接收任意大小的输入图像的，采用反卷积层对最后一个卷积层的特征图进行上采样，就可以让他恢复到同雨来输入图像的相同尺寸了
这样一来就可以对每个像素都产生一个预测，并且同时还保留了原始图像中的空间信息，最后在上采样的特征图上进行像素分类
还有FCN的缺点：
那就是在对各个像素进行分类的时候，FCN并没有考虑到像素之间的一个关联，这样分类效果是不够精细的。
智能AI的持续发展，到后期，底层程序员该何去何从
作为一个程序员小编来回答一下这个问题。
小编工作以后写了五年C++代码，最近正好也在学习AI。 小编是2013年研究生毕业，研究生方向是识别方向，就是模式识别领域。当年毕业的时候也是差一点从事了NLP（自然语言处理）。从AI爆发的时候，就感觉当年读研究生的时候怎么没想到用人工神经网络能流行起来。虽然当时实验室也有用人工神经网络做研究的，无奈当时缺乏探究精神。 小编认为，底层程序员何去何从的问题，得从以下几个方面考虑：
1.有没有必要转AI
AI现在看来已经是大势所趋，现在的人工智能持续发展，AI到落地还有很长的发展期，AI需要完善的地方也有很多。到后期AI到底能智能到什么程度，这个还很难说，但AI的出现将会代替一大部分人工是确定的。现在欧美许多国家都将AI上升到国家战略，中国也将人工智能写入白皮书。人工智能在未来科技中的地位是毋庸置疑的，包括现在人工智能在各个领域的应用也已经如火如荼。小编认为错过了之前的互联网的发展期，现在不能再错过AI。
2.学习AI的代价
AI涉及到的知识还是很多的，涉及线性代数，高数，概率论，模式识别，数理统计，数字图像理论等。AI小编只接触到了算法和应用两个方面。就说说小编2018年对AI的学习，当小编AI看到有关AI的应届生岗位薪资年薪达到30W+的时候，心里就蠢蠢欲动了。从2018年9月开始，就着手学习有关AI的知识。小编重新学习了线性代数，高数，概率论，斯坦福的公开课，下载了一两百篇英文论文，看了一个台湾老师的公开课，基本明白卷积神经网络基本原理，起初研究了一下CNN，LeNet，ResNet，R-CNN，AlexNet，GoogleNet等模型，写了一些小demo。一直到2018年年底，工作忙起来花的时间少了。一共花了3-4个月的时间，公司一般9点半才开始上班，小编每天8点到公司，晚上8点半下班，一天基本有3个小时的时间。但最后因为工作原因，到现在也没继续更深入的学习。现在也算是虎头蛇尾了。这个过程挺难熬的，查各种算法，理论，看各种论文，需要付出的时间是巨大的。
3.是否能接受转AI带来的不稳定性
对小编来说，通过几个月的学习应该试着出去找一些面试机会，但是正赶上经济寒冬，互联网企业到处裁员，要养家还房贷的小编放弃了冒险的尝试。到现在依旧还在原岗位上继续工作。从另一个角度说，如果没有相关的背景，比如原先从事大数据，要跳槽到AI行业，待遇刚开始不知道会不会一定比原岗位高，这也是一个必须考虑的因素。
4.在原先的岗位上结合AI横向发展
我虽然不是底层，但也是写C++代码，跟你多少有点类似，其实贸然从底层转到AI，从业领域，工作背景将会有很大的转变，这并不十分明智。我曾经对是否直接跳到AI公司也思考过很多久。后来我给自己的目标是在现在的岗位上结合公司的AI机会（前提是公司有AI类的产品线），以现有工作为基础，多积累AI技术，争取公司内结合AI进行转型。
小编刚开通头条，将来会分享一些AI的文章，欢迎交流！
我不是一个IT行业人，我想了解人工智能究竟是怎么实现的，或者说实现的方向，怎么做最接近
首先语言只是工具，跟具体的语言没有关系。
其次至于怎么做到的，以智能机器人为例，首先是语音识别，把语音转化为一个个分词， 这其中包括现在比较流行的深度学习技术和传统的机器学习，统计学方面的知识。然后根据分词，对语义进行理解，这里就涉及到自然语言处理领域的知识，本质做法还是概率论，机器学习和深度学习。最后把所有可能性的结果按一定规则进行排序，找到最可能的结果。
这个领域所有问题都可以归结为提高可能性的问题。
有哪些卷积神经网络学习资料
网易云课堂上有个吴恩达的deeplearning.ai视频教程，可以看那个，基本原理讲的浅显易懂，学完就能对卷积神经网络有个大致的了解，然后再在网上找几篇博客看看，就能学个七七八八了。
卷积神经网络中卷积核的翻转、全连接层的处理和反向传播的详细过程，是怎样的
首先卷积核会在自身内部形成一个类似数字8的漩涡，这个漩涡会进而产生微弱向内的引力场，卷积神经在这个引力场的作用下向内收缩，多个卷积神经的引力场其实作用也不大，但是已经足够固立牢固的连接层，全连接层就此建成，在没有外部刺激的情况下不会产生反向传播。除非有外部刺激，以目前的科技水平还不能创造深核或者基核刺激，唯有大喊三声“答主马良我爱你”才能提高0.36%的概率创造深核刺激。 不知道这个回答能否让你满意，谢谢。
