本教程由深度学习中文社区(Studydl)持续发布与更新, 本系列其余教程地址见文章末尾.

引言

Keras是一个用于构建和训练深度学习模型的高级API, 后端计算主要使用TensorFlow或者Theano, 由于Theano已停止开发新功能转入维护阶段, 而且目前最新版的TensorFlow已经包含了Keras模块, 所以本教程采用基于TensorFlow的Keras进行讲解, TensorFlow版本1.4.1。Keras主要用于快速原型设计，高级研究和生产中，具有三个主要优势：

用户友好的

Keras提供一致而简洁的API， 能够极大减少一般应用下用户的工作量，同时，Keras提供清晰和具有实践意义的bug反馈。

模块化和可组合的

Keras模型是通过将可配置的模块连接在一起而制定的，几乎没有限制。

易于扩展

很容易编写自定义模块以表达研究的新想法。创建新图层，损失函数并开发最先进的模型。

导入tf.keras

tf.keras是TensorFlow实现的 Keras API规范。这是一个用于构建和训练模型的高级API，其中包括对TensorFlow特定功能的一流支持，例如急切执行， tf.data pipeline和estimators。 tf.keras使TensorFlow更易于使用而不牺牲灵活性和性能。

要开始使用tf.keras, 请将其作为TensorFlow程序的一部分导入：

import tensorflow as tffrom tensorflow import keras

tf.keras 可以运行任何与Keras兼容的代码，但请记住：

在TensorFlow中的tf.keras最新版本可能与PyPI版本的最新的Keras版本不一样, 可以通过运行tf.keras.version来检查.当保存模型的权重，tf.keras默认为CheckPoint的格式。可以通过在代码中设置save_format='h5'使用HDF5。

构建一个简单的模型

顺序模型

在Keras中，您可以组装网络层来构建模型。模型通常是一个网络层构成的图。最常见的模型类型是一个叫做序贯模型的叠加层：tf.keras.Sequential模型。

构建一个简单的全连接的网络（即多层感知器）：

model = keras.models.Sequential()# 添加一个含有64个神经网络单元的全连接层到模型中,并且指定输入数据的维度model.add(keras.layers.Dense(64, activation='relu',input_shape=(64,)))# 添加另外一个model.add(keras.layers.Dense(64, activation='relu'))# 添加一个具有10个输出单元且使用softmax为激活函数的全连接层model.add(keras.layers.Dense(10, activation='softmax'))

通过上面的代码一个具有一个输入层,一个隐藏层,一个输出层的神经网络模型就构建好了.

配置网络层

除了上面的示例外, tf.keras.layers.Dense层还可以使用很多的参数, 主要的功能如下：

activation：设置网络层的激活函数。此参数由内置函数的名称或可调用对象指定。默认情况下，不应用任何激活。kernel_initializer和bias_initializer：创建网络层时内核或者偏差权重的初始化方案。此参数是名称或可调用对象。这里默认为"Glorot uniform"初始化方案。kernel_regularizer和bias_regularizer：设置应用于网络层中内核或者偏差权重的正则化方案，例如L1或L2正则化。默认情况下，不应用正则化。

以下是tf.keras.layers.Dense使用构造函数参数实例化网络层：

# 创建一个使用sigmoid为激活函数的layerlayers.Dense(64, activation='sigmoid')# 也可以这样创建,效果一样layers.Dense(64, activation=tf.sigmoid)# 一个kernel矩阵使用正则化因子为0.01的L1正则项的全连接层layers.Dense(64, kernel_regularizer=keras.regularizers.l1(0.01))# 一个偏差向量使用正则化因子为0.01的L2正则项的全连接层layers.Dense(64, bias_regularizer=keras.regularizers.l2(0.01))# 一个使用随机正交矩阵初始化Kernel的全连接层layers.Dense(64, kernel_initializer='orthogonal')# 一个偏差初始化时全为2的全连接层layers.Dense(64, bias_initializer=keras.initializers.constant(2.0))

在上面的内容中,我们使用了几行代码就建立了一个神经网络模型,由此可见Keras真的是非常简单易用,方便上手, 下一期文章中我们将讲解在Keras中怎么输入数据与训练搭建好的神经网络, 欢迎大家关注我的百家号,第一时间获得最新教程推送.

TensorFlow入门系列教程文章地址:

只需以下两步就可获取到零基础入门教教程啦:

回到文章最上方点击关注按钮关注我的百家号,方便接收最新教程.点击标题下方的头像位置, 就可进入我的主页, 里面就有我之前发布的TensorFlow入门系列教程啦.

目前已发布的TensorFlow入门教程列表:

这是AI教程的第14篇。这一篇教程，我们继续来学习螺旋线工具的使用方法。

使用AI的螺旋线工具，可以绘制出半径不同、段数不同、样式不同的螺旋线。

绘制方法：选择螺旋线工具，在螺旋线的中心位置单击，按住鼠标左键向外拖拽，移动到终点的位置松开鼠标即可。在向外拖拽的过程中，我们可以旋转鼠标，来改变螺旋线的方向。

绘制精确的螺旋线：选择螺旋线工具，在画板上单击，会弹出螺旋线设置对话框。我们可以对螺旋线的相关参数进行设置，各参数的含义如下：

半径：我们可以在这里设置螺旋线的半径大小。

衰减：用来控制螺旋线之间相差的比例，百分比越小，螺旋线之间的差距就越小。

段数：设置螺旋线的段数。数值越大，螺旋线越长，数值越小，螺旋线越短。

样式：可以定义螺旋线的方向。

螺旋线的绘制技巧

绘制螺旋线未松开鼠标时，按住空格键可移动螺旋线的位置。

绘制螺旋线未松开鼠标时，按住Shift键可使螺旋线的角度为45°的倍数；按住Ctrl键可保持涡形的衰减比例。

绘制螺旋线未松开鼠标时，按“↑”或“”↓“可增加或减少涡形路径片段的数量。

机器学习的基础知识是什么，以及在机器学习应用程序中评估风险和其他问题的必要工具是什么？本文介绍机器学习必要入门基础知识教程。

机器学习的目标是在数据中找到模式并使用这些模式进行预测，它还可以为我们提供一个讨论机器学习问题和解决方案的框架方法。

首先，我们将从机器学习的定义和应用开始，然后，我们将讨论机器学习中的抽象，并使用它来构建我们的讨论：数据，模型，优化模型和优化算法，并总结使用机器学习的实用指南。

那么，机器学习到底是什么？

机器学习通常是一组用于查找数据模式的技术，应用范围从自动驾驶汽车到个人AI助手，从英语和中文之间的翻译到语音和文本之间的翻译。机器学习的一些常见应用已经或可能潜入日常工作中。

检测异常识别网站流量的高峰或突出显示异常的活动。推荐相似的内容查找你可能正在寻找的产品，或者相关文章。预测未来规划车辆的路径或确定并推断股票的市场趋势。

以上是机器学习的许多应用中的一小部分，但大多数应用程序与学习数据的基础分布有关。分布指定每个事件的事件和概率。例如

有50％的概率，你买一件物品50RMB-100RMB。有概率为1％，你购买的物品>100RMB。

使用此分发，我们可以完成上述所有任务：

检测异常购买100RMB物品，我们可以称之为异常。推荐相似内容购买一件物品价格在50RMB-100RMB。预测未来如果没有任何先前的信息，我们可以预测下次购买将是50RMB-100RMB。

通过分发数据，我们可以完成无数的任务。总之，机器学习的一个目标是学习这种分布。

抽象

机器学习中有无数的主题，为了更好地了解每个部分在更大的图片中的位置，需要学习各种抽象分类。

以下分类摘自加州大学伯克利分校的Jonathan Shewchuck教授：

应用程序和数据：考虑问题的可能输入和所需输出。

模型：确定所考虑的功能类别。

优化问题：制定数学的具体目标。

优化算法：确定如何解决优化问题。

机器学习主要是学习了解机器工作原理与结构，程序应用学习数据的基础分布与抽象分类学习。

这是AI基础教程的第13篇。这一篇教程，我们来了解一下弧形工具的使用方法以及弧线的绘制技巧，相信看完以后你一定会有所收获。

使用弧形工具可以绘制任意弧度的弧线或精确的弧线。

绘制方法：单击工具箱中的弧形工具按钮，将鼠标指针定位到弧线的起点，然后拖拽鼠标到弧线的终点，此时不要松开鼠标，按方向键“↑”或“↓”可以调整弧线的弧度，确定后松开鼠标。

上面这种方法是绘制的是任意的一条弧线，那么，怎样绘制一条精确的弧线呢？

我们选择弧形工具，在画板上单击，弹出一个“弧线段工具选项”对话框：

各参数的含义如下：

X轴长度：该数值定义了另一个端点在X轴方向上的距离。

Y轴长度：该数值定义了另一个端点在Y轴方向上的距离。

定位点：X轴长度右侧有四个用于定位的点，可以确定弧线起始点的位置。

类型：设置弧线的类型是“开放”还是“闭合”，默认为“开放”。

基线轴：定义弧线的基线轴是X轴还是Y轴。

斜率：通过调整文本框中的角度值，可以改变弧线的弧度（斜率），绝对值越大，弧度越大，正值凸起，负值凹陷。

弧线填色：勾选该项后，将用填充色填充弧线。

弧线的绘制技巧

这是AI基础教程的第11篇，我们继续讲解AI工具箱中的工具的使用方法。这一篇教程，我们来讲一讲AI中魔棒工具和套索工具的使用方法。

其实，熟悉PS的同学应该知道，在PS里也有这两个工具。在AI中，魔棒和套索工具的使用方法和PS是类似的。

魔棒工具

魔棒工具可以选择AI文件中属性相近的对象。我们双击魔棒工具，会弹出下面这个窗口：

我们可以根据填充颜色、描边颜色、描边粗细、不透明度以及混合模式来选择属性相近的对象，只需勾选相应的复选框，然后设置容差即可。

比如我们经常会遇到下面这种找不同颜色色块的小游戏，有时颜色差别可能就一个数值，肉眼很难看出来。在AI里，这就变得相当简单，我们只需将填充颜色的容差设为0，然后点击色块，那个颜色不同的色块就显而易见了。

套索工具

使用套索工具围绕整个对象或对象的一部分拖动鼠标，可以选择对象、锚点或路径。

如果要选择多个不连续的锚点或路径，可以按住Shift选择。

以上就是魔棒工具和套索工具的具体使用方法，大家作一个简单的了解就好。下一篇文章，我们将继续讲解AI工具箱中的工具的使用方法，欢迎关注。

如果你有任何疑问，也欢迎在下方留言，我会认真帮大家解答。

这是AI基础教程的第10篇。从这一篇教程开始，我们将陆续讲解AI工具箱中每个工具的使用方法。今天，我们来介绍一下选择工具和直接选择工具的使用方法。

选择工具和直接选择工具的作用都是选择对象。选择工具（黑箭头）快捷键为“V”，直接选择工具（白箭头）快捷键为“A”。

选择工具选择对象时，只需在对象上单击，该对象即被整体选中，选中后，该对象四周会出现一个定界框，可以对它进行移动、缩放、旋转、倾斜等操作。

利用直接选择工具在对象上单击，也可以选中整个对象，作用和选择工具相同。但更多的时候，我们会利用直接选择工具选中对象的一个或多个锚点，对锚点进行相应的操作，绘制出想要的图形。

此外，对于使用了剪切蒙版的链接图片，我们可以利用直接选择工具来对图片进行缩放和位置的调整，而不改变剪切蒙版的大小和位置。

以上就是选择工具和直接选择工具的基本使用方法了。

看了一个AI制作有规律的螺旋线图形的教程，感觉很有趣，做一遍给大家分享一下新手教程，加群学习更多587751709

教程，感觉很有趣，做一遍给大家分享一下新手教程

这是AI基础教程的第22篇。这篇教程，我们来讲解一个平时可能用得不是很多的工具——光晕工具，看看它在使用的过程中，有哪些方法和技巧。

光晕工具可以通过矢量图形来模拟发光的光斑效果。

光晕的绘制方法：选择光晕工具，在要创建的光晕的大光圈部分的中心位置单击，拖拽的长度就是放射光的半径，然后松开鼠标，再次单击鼠标，以确定闪光的长度和方向。

在绘制未松开鼠标时，按“↑”或“↓”可增加或减少光环的数量，按“~”键可释放随机光环。

此外，我们可以选择光晕工具，在画板上单击，通过光晕工具选项对话框，设置光晕精确的参数。

各参数的含义如下：

1.“居中”选项组：

直径：可以设置发光中心圆的半径。不透明度：设置发光中心圆的不透明度。亮度：设置发光中心圆的亮度。2.“光晕”选项组：

增大：表示光晕散发的程度。模糊度：单独定义光晕对象边缘的模糊程度。3.“射线”选项组：

数量：定义射线的数量。最长：定义光晕效果中最长射线的长度。模糊度：控制射线的模糊效果。4.“环形”选项组：

路径：设置光环的轨迹长度。数量：设置二次单击时产生的光环。最大：设置多个光环中最大的光环大小。方向：定义出现小光圈路径的角度。以上就是光晕工具的使用方法以及相关绘制方法的介绍，如果你还有什么疑问，欢迎在下方留言。

什么是人工智能（AI）？

你在想Chappie，终结者和露西吗？ 有意识的，自我意识到的机器人比你想象的更接近现实。 开发等于或超过人类智能的计算机系统是人工智能的关键。 人工智能（AI）是计算机科学的研究，专注于开发展示人类智能的软件或机器。 一个简单的定义，对吗？

显然，它还有很多。 AI是一个广泛的主题，从简单的计算器到自动转向技术，再到可能从根本上改变未来的东西。

AI的目标和应用

人工智能的主要目标包括演绎和推理，知识表示，规划，自然语言处理（NLP），学习，感知以及操纵和移动物体的能力。 人工智能研究的长期目标包括实现创造力，社会智能和一般（人类水平）智力。

人工智能严重影响了我们可能无法识别的不同领域。 Ray Kurzweil说：“成千上万的人工智能应用程序深深嵌入到每个行业的基础设施中。”人工智能的创始人之一约翰麦卡锡曾说过“一旦它起作用，就再也没有人称它为人工智能”。

从广义上讲，AI分为以下几类：

AI的类型

虽然有各种形式的人工智能，因为它是一个广泛的概念，我们可以根据人工智能的能力将其分为以下三类：

弱AI（也称为窄AI）专注于一项任务。在AI较弱的情况下，没有自我意识或真正的智慧。

iOS Siri是弱AI的一个很好的例子，结合了几种弱AI技术来运行。它可以为用户做很多事情，当你尝试与虚拟助手进行对话时，你会看到它的确如此“缩小”。

强AI（也称为True AI）是一种与人脑一样聪明的计算机。这种AI将能够执行人类可以完成的所有任务。这个领域有很多研究，但我们还有很多工作要做。你应该想象Matrix或我，机器人在这里。

如果强大的AI给你留下深刻印象，人工超级智能会让你大吃一惊。领先的AI思想家尼克博斯特罗姆（Nick Bostrom）将其定义为“比几乎所有领域中最优秀的人类智慧更聪明的智力，包括科学创造力，一般智慧和社交技巧。”

人工超级智能是许多着名科学家和技术专家，包括斯蒂芬霍金和埃隆马斯克，对人类灭绝可能性提出质疑的原因。

怎么开始？

您需要做的第一件事是学习编程语言。 虽然你可以从很多语言开始，但许多人更喜欢Python，因为它的库更适合机器学习。

以下是Python的一些很好的资源：

CodeAcademy

Learn Python the hard way

Coursera Python

Introduction to Computer science

Bots简介

BOT是弱AI的最基本的例子，可以代表您执行自动化任务。 Chatbots是最早被称为“机器人”的自动程序之一。你的聊天机器人需要AI和ML。 像谷歌这样的搜索引擎使用的网络抓取工具是复杂而先进的BOT的完美范例。

在开始编程机器人之前，您应该学习以下内容，以使您的生活更轻松。

xpath - 这将帮助您检查和定位HTML并根据您在那里看到的构建机器人。

regex - 这将帮助您通过清理或定位（或两者）与您的逻辑相关的部分来处理您为机器人提供的数据。

REST - 这非常重要，因为您最终将使用API。 您可以使用请求执行此操作。

如何建立你的第一个Bot？

您还可以从使用能够构建最终用户应用程序的API和工具开始。 这可以帮助您实际构建一些东西，而不必过多担心理论。 您可以使用的一些API是：

Google Cloud Prediction API Documentation

DiffBot

Machine Learning for Language Toolkit

Scrapy

Wolfram Alpha API

这里列出了一些BOT问题，供您在尝试最终挑战之前进行练习和尝试。

Tic Tac Toe

Hex

Dots & Boxes

现在怎么办？

一旦您对首选的编程语言有了全面的了解，并且对基础知识进行了充分的练习，您就应该开始了解有关机器学习的更多信息。 在Python中，开始学习Scikit-learn，NLTK，SciPy，PyBrain和Numpy库，这些库在编写机器学习算法时非常有用。您还需要了解高级数学。

以下是供您学习和练习的资源列表：

A Visual Introduction to Machine Learning

Machine Learning (By Andrew Ng)

Machine Learning Lectures (Tom Mitchell)

Artificial Intelligence (edX) (Specially for practice exercise in Python)

Intro to Statistics

Intro to Artificial Intelligence (Includes Logic and Robotics)

Artificial Intelligence

您还应该参加互联网上不同地方的各种AI和BOT编程竞赛：

Kaggle

Coding Game

HackerEarth

Robocup

拓展阅读：零基础的新手，如何快速入门机器学习和人工智能？

如何快速入门？如何掌握机器学习与人工智能的基础知识。给大家推荐几款权威的论文和机器学习资料。

UFLDL：非常好的DL基础教程，由Andrew Ng编写。有很详尽的推导，有翻译，且翻译质量很高；

Deep learning （paper）：2015年Nature上的论文，由三位深度学习界的大牛所写，读完全篇论文，给人高屋建瓴，一览众山小的感觉，强烈推荐。如果只能读一篇论文了解深度学习，我推荐此篇。这篇论文有同名的中文翻译；

Neural networks and deep learning：这本书的作者非常擅长以浅显的语言表达深刻的道理，虽然没有翻译，但是阅读并不困难；

Recurrent Neural Networks：结合一个实际案例告诉你RNN是什么，整篇教程学完以后，会让你对RNN如何产生作用的有很清晰的认识，而这个效果，甚至是读几篇相关论文所没有的。

Neural Networks for Machine Learning：大牛的视角就是与众不同，看看Hinton对神经网络是怎么看的，往往会让你有种“原来如此”的感悟。其实看这门课程也等同于读论文，因为几乎每节课的参考资料里都有论文需要你读；

CS231n：Convolutional Neural Networks for Visual Recognition：最新的知识，还有详细的作业。国内应该有团队对字幕进行了翻译，网上应该可以找到下载；

PRML：作为一门经典的机器学习书籍，是很有阅读必要的，会让你对机器学习拥有一个别样的观察视角。

如果你想要深入学习和了解一门学科，就要遵循一万小时定律，也就是说，只有当你在某一学科或领域付出长时间（一万小时以上）的学习和实践，才有可能达到了然的状态。这一点适应于人工智能，也适用于学习任何其他的学科。

人工智能/机器学习实践操作：

实践出真知，看了那么多论文学习人工智能和机器学习，那么怎么去检验自己的动手和动脑能力呢？

谷歌的AIY 项目（AIY Projects）全称为 Artificial Intelligence Yourself，意为动手创造你的人工智能。该项目由 Google 于 2017 年启动，目标是让每个 Maker（创客）都可以 DIY 自己的 AI 人工智能产品。Google 先后在 5 月、12 月份分别推出该项目代表的两组套件 Voice Kit 和 Vision Kit。

Voice Kit 是 Google 首个推出的 DIY 人工智能产品。它可借助 Google Assistant SDK 和 Cloud Speech API，将树莓派转换为语音数字助理。用户可在此基础上创建虚拟语音助手，为自己的项目添加语音交互功能。

Vision Kit 则是 Google 推出的第二弹 DIY 人工产品。它是一套简单的计算机视觉系统，可运行 3 种基于 TensorFlow 的类神经网路模型应用程序。

Voice Kit使用Google智能助理为您的Raspberry Pi添加语音控制，而Vision Kit则打开图像识别并向创客们引入了神经网络。它可以检测千中常见物体，但也可以对您的脸部表情进行检测，并显示出您的情绪，比如愤怒、开心等等。

语音识别、图像检测、机器翻译、风格迁移等技术已经在我们的实际生活中开始得到了应用，但机器学习的发展仍还在继续，甚至被认为有可能彻底改变人类文明的发展方向乃至人类自身。

l 新建：

l 界面：

多个预编辑区：

l 存储格式：

1、 .AI ：AI软件默认的存储格式，相当于PS的PSD格式

2、 .EPS:使用AI软件可以打开的格式。通常下载矢量源文件使用EPS格式，使用AI软件可打开和编辑。

3、 .PDF格式：PC平台（Windows系统）和Mac平台（OS系统）通用的格式，可以在两个平台上打开和使用的格式。

JPEG图像的导出

AI为矢量软件，存储为JPEG位图时需要进行导出。

文件菜单→导出→

在导出为JPEG文件时，可选择使用画板。

使用画板时：默认以画板内的内容边界为准输出图像。

不使用画板时：默认以画板内和预编辑区（灰色区域）内所有图形的摆放边界为准输出图像，无视画板的尺寸和存在。

画板输出的页面范围设置

1、 使用画板时，默认全部画板均输出。

2、 使用画板时，希望单独只输出部分画板，应勾选【范围】，并键入画板编号：连续的画板编号用减号-链接，不连续的画板编号用逗号（英文状态下输入）区隔。

文件的打开与嵌入

使用AI调用外部图片时，为节约内存使用，默认为链接文件。

在链接状态下，移动和使用AI文件时必须同时拷贝原始素材文件（文件夹相对路径位置不可更改），否则文件将不可用。

文件的嵌入：选择拟嵌入的文件，在AI软件属性栏中点击嵌入按钮，此时文件被嵌入，X消失，再次移动和使用.AI文件时，该素材文件依然显示。

圆角矩形的绘制

上方向键：增大圆角半径

下方向键：减小圆角半径

左右：分别为圆角的极端

多边形的绘制

上方向键：增加边数

下方向键：减少边数

左右：无作用

星型工具的应用

上方向键：增加角

下方向键：减少角

Ctrl键增加外直径

Alt键增加内外直径

建议：先确定内直径—再确定外直径

渐变色的提取

AI软件无调色功能，在吸取渐变颜色时，应在渐变滑块被选中的状态下，调取吸管工具i，同时按住Shift键在素材中拾色。否则将无法吸取渐变色，跳转成单色填充。

描边转换为内部填充

操作方法：对象菜单→扩展/扩展外观

优点：提高图形的可编辑性。

缺点：无法对路径属性进行二次编辑。

快捷键：快捷键功能使用重点备注V/A小黑/小白Ctrl+D重复上一步动作相当于PS的3键+TCtrl+G编组绑定选定图形的相对位置Shift+Ctrl+G解除编组Ctrl+shift+Z多退后往回退一步Ctrl+Z退回上一步相当于PS的Alt+Ctrl+ZX切换填充和描边前后位置在英文状态下使用Shift+ X切换填充和描边颜色< >/单色填充/渐变填充/无填充适用于填充和描边Ctrl+F置于顶层配合剪切使用Ctrl+B置于底层Shift+Ctrl+F9路径查找器3键+Y改变预编辑区颜色Ctrl+Y取消轮廓显示Shift+Ctrl+B显示界定框Ctrl+2锁定对像Ctrl+alt+2解锁对像