深度学习Pytorch版---第一章

1.1日常生活中的机器学习

手机的语言识别系统--->语言转换文字--->自启动地图应用程序--->地图筛选路径。

编写程序响应唤醒词：：：

麦克风每秒收集4.4万个样本(声波振幅的测量值）--->编写程序，确定麦克风采集到的原始音频片段，输出{ 是/否包含唤醒词 }的可靠预测。

人--->麦克风--->唤醒词模型--->{是，否}

采集音频样本的数据集--->对包含和不包含唤醒词的数据进行标注。

不需要设计一个明确地识别唤醒词的系统？？？

设计一个灵活的程序算法--->输出由许多参数决定--->使用数据集来确定最佳参数集--->通过某种方式度量性能。

参数：可以看出一个旋钮，旋钮的转动可以调整程序的行为。

模型：任一调整参数后的程序

模型族：通过操作参数而生成的所有不同程序的集合

在学习机器学习算法之前，必须精确的定义问题，确定输入和输出的性质。

对于上述问题。模型接收一段音频作为输入--->然后生成一个是/否作为输出。如果一切正常，经过训练，模型可以对片段是否含有关键词的预测都是正确的。

现在模型，对Alexa这个词总是能够发出“是”，但是唤醒词是多种多样的，我们需要一个足够丰富的模型族，使模型多元化。模型族中的另一个模型，在听到Hey Siri，也可以发出“是”。

直觉上，他们是相似的任务，模型族应该适用于这两种处理。

但是对于完全不同的输入输出，可能需要不同的模型族。