Open liujiusheng opened 4 years ago
地理信息行业技术发展总是晚于互联网行业，具我所知到目前为止地理信息行业还没有任何一家公司引入过人工智能（更正一下，超图好像已经用上人工智能做地类识别了），如果某家有一定体量的公司现在能切入到人工智能，前途必定光明。
经过一些简单的对比我打算从Tensorflow.js入手人工智能。
人工智能核心是模型
这里所说的模型通常是包括数据的被训练后的模型，也就是说我们移植一个模型通常也顺便把它的神经网络数据移植了
当然啦，模型也可以是还没训练过的模型，这种模型就是没有神经网络数据的
现阶段人工智能的主要作用还是分类，将一堆东西归为某一类，然后基于这种分类的思想延伸了其它应用。
人工智能开发可以分为好多层次，可以是应用别人已经训练好的模型，可以是拿别人写的模型自己构造数据进行训练，也可以是自己写模型代码自己训练
自己写模型难度真的很大，需要很专业的业务知识，也需要很强的算法功底，一般人都不这样干，也全世界也没有几个公司有这样的实力。
如果只是做项目管理，只想简单学一下的话就只需要知道怎样应用别人已经训练好的模型就行了。
现在用得最多的大概是拿别人的模型自己构造数据训练吧。即：收集一堆别人写好的模型，基本了解每个模型的作用和使用方法，当遇到某个业务场景时根据模型数据需要把数据处理好，然后将数据放入模型内计算分析，通过不同模型对比和同一模型不同参数等多种控制变量法的对比，选出精度最高的一个模型和参数，最终投入使用。
tf.randomNormal([2, 3]): 生成一个2行3列的矩阵 tf.randomUniform([2, 3]):生成一个2行3列的矩阵 两者有何区别？
简述
地理信息行业技术发展总是晚于互联网行业，具我所知到目前为止地理信息行业还没有任何一家公司引入过人工智能（更正一下，超图好像已经用上人工智能做地类识别了），如果某家有一定体量的公司现在能切入到人工智能，前途必定光明。
经过一些简单的对比我打算从Tensorflow.js入手人工智能。
概念
人工智能核心是模型
这里所说的模型通常是包括数据的被训练后的模型，也就是说我们移植一个模型通常也顺便把它的神经网络数据移植了
当然啦，模型也可以是还没训练过的模型，这种模型就是没有神经网络数据的
现阶段人工智能的主要作用还是分类，将一堆东西归为某一类，然后基于这种分类的思想延伸了其它应用。
人工智能开发可以分为好多层次，可以是应用别人已经训练好的模型，可以是拿别人写的模型自己构造数据进行训练，也可以是自己写模型代码自己训练
自己写模型难度真的很大，需要很专业的业务知识，也需要很强的算法功底，一般人都不这样干，也全世界也没有几个公司有这样的实力。
如果只是做项目管理，只想简单学一下的话就只需要知道怎样应用别人已经训练好的模型就行了。
现在用得最多的大概是拿别人的模型自己构造数据训练吧。即：收集一堆别人写好的模型，基本了解每个模型的作用和使用方法，当遇到某个业务场景时根据模型数据需要把数据处理好，然后将数据放入模型内计算分析，通过不同模型对比和同一模型不同参数等多种控制变量法的对比，选出精度最高的一个模型和参数，最终投入使用。
细节
tf.randomNormal([2, 3]): 生成一个2行3列的矩阵 tf.randomUniform([2, 3]):生成一个2行3列的矩阵 两者有何区别？