这篇文章源于读了《深度学习入门-基于Python的理论与实现》这本书。之所以读这本书，是因为今年给自己定下来的目标：技术视角广度的延伸之一是机器学习命题。为什么定这个目标呢，直接源于两个主要的影响。

  • 早几个月逛一亩三分地，看到地里讨论的目前硅谷程序员的技术栈，后端（Server Side）基本是标配ML（机器学习/深度学习）的

  • 在推上关注的一个独立开发者（ServerCat的作者），本职是个iOS客户端开发，却成功通过在产品中集成机器学习的能力，做出了非常优秀的作品：熊猫吃短信-基于文本特征的垃圾短信过滤 & DAMA-基于深度学习自动打码图片敏感信息

这两点给我带来非常大的触动，让我感受到机器学习的巨大威力和社区印象力。

其实早在2017年，我就试图入门过机器学习，当时还在jizhi社区（jizhi.im）上购买了相关的课程：

当时我还在公司组织大家一起学习，做了一个王者荣耀手游英雄的简易分类器：

为什么最终还是没持续学习呢？

我觉得最主要的原因，就是一直没有合适的教材，当年的机器学习的学习资料，充斥着非常复杂的推导公式和数据理论，实在是令人望而却步。

《深度学习入门》这本书，说来也是一个契机，恰好也是上面提到的那位iOS开发同学推荐的。11月13日EDG决赛夺冠那天，约了好友一起观赛，带着在地铁上打发时间用的，没想到读了一部分后就被吸引了。

这本书没有那么多的公式，推导更多是直观的，感性的，显然作者不是为了追求或严谨或高深的对一门技术的显摆，而是娓娓道来，恨不得再浅显易懂一些。

根据深度学习的可视化相关的研究，随着层次加深，提取的信息（正确地讲，是反映强烈的神经元）也越来越抽象。

如果堆叠了多层卷积层，则随着层次加深，提取的信息 也愈加复杂、抽象，这是深度学习中很有意思的一个地方。最开始的层对简 单的边缘有响应，接下来的层对纹理有响应，再后面的层对更加复杂的物体 部件有响应。也就是说，随着层次加深，神经元从简单的形状向“高级”信息 变化。换句话说，就像我们理解东西的“含义”一样，响应的对象在逐渐变化。

这里的描述彻底打动了我，尽管机器学习的理论非常复杂，数学求证非常晦涩，但是它现在呈现出的形态是多么自然，多么符合直觉。

想起来摆在案头的吴军的《数学之美》，还有同样读了到开头的《素数之恋》，他们都想传达出来的，都是一种纯粹和自然的美感，这些恐怕都是饱经应试教育洗礼的我，迟迟无法体会到的。

相见恨晚，为时未晚，得把上面两本书再放进阅读日程了。