写在前面

本专栏专门撰写深度学习相关的内容，防止自己遗忘，也为大家提供一些个人的思考
一切仅供参考

概念辨析

1. 深度学习：

   1. 本质是建模，将训练得到的模型作为系统的一部分使用
   2. 侧重于发现样本集中隐含的规律
   3. 难点是认识并了解模型，合理设置初始模型，要对建模对象有比较深刻的认识
   4. 依赖大量的准确训练样本

2. 强化学习：

   1. 本质是系统，直接将训练得到的模型视作系统本身（激进的像“端到端”）
   2. 侧重于最大化当前环境下的奖励
   3. 难点是奖励设置和sim2real（从仿真到实际对象）

3. 监督/无监督：
   训练时使用两种不同的训练样本集（有无标签），和学习方法属于一体两面的关系

4. 张量（Tensor）：
   三维空间中的张量最多由33个3维向量构成，共计27个数，组成了一个“立方体”（也可以认为是3个33的矩阵组成）

   向量和矩阵都是特殊的张量，向量（vector）是一个1阶张量，矩阵（matrix）是一个2阶张量

   在物理中，由张量描述的物理量不依赖于坐标系，只和对象本身相关联。因此，尽管张量的具体分量会随着坐标系的不同而变化，其所描述的物理状态或行为保持一致（该性质是张量被广泛应用的一个重要原因）