5、图像分类：从基础到实战

图像分类：从基础到实战

1. 机器学习类型与监督学习的聚焦

机器学习主要有监督学习、无监督学习和半监督学习三种类型。半监督学习在考虑准确率和数据量关系的基础上，试图在大幅减少构建模型所需训练数据量的同时，将分类准确率保持在可接受范围内。常见的半监督学习方法包括标签传播、标签扩散、梯级网络和协同学习/协同训练等。不过，由于无监督学习和半监督学习在计算机视觉深度学习领域仍是活跃的研究课题，缺乏明确的方法选择指南，因此我们主要关注监督学习，即拥有训练示例和相关类别标签的学习方式。

2. 深度学习分类流程的思维转变

2.1 传统函数与深度学习的差异

以斐波那契数列为例，它是一个简单的数学序列，下一个数字是前两个数字之和。我们可以用递归的 Python 函数来定义它：

>>> def fib(n):
...     if n == 0:
...         return 0
...     elif n == 1:
...         return 1
...     else:
...         return fib(n-1) + fib(n-2)
...

使用这个函数，我们可以轻松计算斐波那契数列中的任意数字，如：

>>> fib(7)
13
>>> fib(13)
233
>>> fib(35)
9227465

斐波那契数列这类函数具有