o 但是当来解决识别对象的算法的时候，并没有什么简明了的算法可以直接完成这些识别。
尽管如此，人们还是做了很多尝试，尝试出一组编码的规则来识别不同的动物。
o 对于猫来说，猫有耳朵、眼睛、嘴巴、鼻子。根据Hubel和Wiesel的研究，边缘检测对视觉识别是十分重要的
o 所以可以尝试，计算出图像的边缘，然后把边、角各种形状分类好
· 比如说有三条线是相交的，那这就可能是一个角点，比如猫耳朵也有这样的角，诸如此类，可以写一些规则来识别这些猫。
o 但事实上，这种算法并不是很好
· 首先，是很容易出错的
· 其次，如果想对一种除了猫之外的对象进行分类，那就得从头来一次。
所以，基于此用数据驱动的方法
o 不写具体的分类规则来识别一只猫或鱼，取而代之的是，从网上抓取数据大量猫或者其他的图片数据集。
· 这种手机图片数据集的方法实际上也挺花时间的，但是好在已经有很多很高质量可用的图片数据集。
· 一旦有了数据集，训练机器来分类这些图片，机器会收集所有数据，用某种方式总结，然后生产一个模型总结出识别出这些不同类的对象的核心只是要素。
o 所以，不仅仅只有一个函数输入图片，然后识别出它是一只猫。而是需要两个函数，一个是训练函数，这函数接收到图片和标签，然后输出模型；另一个是预测函数，接受一个模型，对图片种类进行预测。
本课程主要讨论神经网络还有卷积神经网络还有深度学习等等
o 但是这种数据驱动类的算法是比深度学习更广义的一种概念，他是十分有用的。
