TensorFlow实战Google深度学习框架（1）
引言： 很久都没有写博客了，马上就要入职。接下来准备在接下来的半个月时间内重温一下TensorFlow的用法。道友么，有感兴趣的，大家一起一起交流学习呀！争取每天更新～本书有十章，所以将分成十个部分介绍
该系列来源于书籍《TensorFLow实战Google深度学习框架》，作者是郑泽宇和顾思宇
第一章 深度学习简介
深度学习已经成为当前的流行技术，已成为算法工程师的必学技术。
1.1 人工智能、机器学习与深度学习
人工智能指的是通过计算机来解决靠人类直觉解决的问题。人工智能是一个非常宽泛的问题。
机器学习：如果一个程序可以在任务T上，随着经验E的增加，效果P也可以随之增加，则称这个程序可以从经验中学习。机器学习是解决人工智能问题的重要手段。
深度学习：它是机器学习的一个分支。深度学习和经典机器学习的区别是，深度学习的特征提取包含基础特征提取和多层复杂特征提取；而经典机器学习的特征提取是人工特征提取。
1.2 深度学习的发展历程
1943年，Warren McCulloch第一次提出了类似于人类神经元结构的McCulloch-Pitts Neuron结构
1958年，Frank Rosenblatt提出了感知机模型
1969年，证明感知机模型只能解决线性可分问题，基于神经网络的研究陷入低谷
20世纪80年代末，分布式知识表达和神经网络反向传播算法兴起
2010年，云计算、GPU等出现，神经网络迎来新的浪潮
1.3 深度学习的应用
可应用于图像识别、语言识别、音频处理、自然语言处理、机器人、生物信息处理、化学、电脑游戏、搜索引擎、网络广告投放、医学自动诊断和金融等各大领域
1.3.3 自然语言处理
斯坦福大学有开源的Sentiment Treebank数据集，可以进行情感分析
1.3.4 人机博弈
Alphgo是由三个部分组成的： 蒙特卡洛树搜索、估值网络和走棋网络
1.4 深度学习工具介绍和对比
TensorFlow支持C++和Python，是目前应用最广泛的深度学习框架，目前支持Linux, Mac OS X, Android, IOS系统