==Summary==
TensorFlow这个深度学习的工具，我也不是第一次听说了，去年在做一个小项目的编写的时候就了解到这个工具，但是当时觉得深度学习的门槛很高，也就没有深入了解。这次体验最大的收获，就是发现了深度学习给我们带来的无限可能性与易用性。虽然关于人工神经网络的理论必定是高深的，但是可用于实际应用的模型却并没有特别高的门槛。当硬件开发都走向了高中生初中生的课堂的时候，深度学习也即将大规模进入大学研究者的课题了，现在可能还处于起步阶段，未来发展一定迅速。仅仅就我们专业来说，在医学影像识别上，神经网络必然成为下一个热点，而系统神经科学的研究就更加不用说了，人工智能与神经科学本来就是相互促进的。神经网络的研究与应用值得我们去关注。
当然，还要清楚地认识到，仅仅有工具、会用工具是不行的。通用型的神经网络以外的部分才是最核心的构建——将学习对象的数据转化为神经网络能够处理的张量的算法、使用何种神经网络的结构才能充分解析一类数据的特征、如何选取合适的输入与网络来匹配有限的算力。甚至说，仅仅做到将数据转化并输入神经网络也是不够的，如果算法不够好，可能会丢失大量的信息，学习再久也没有任何意义；学习的参数调试得不恰当，也会导致学习没有成效，有时候就算没有显性的错误，也可能导致效果极差，这一次我们训练的模型就是一个例子。神经网络提供的可能性太多了，所以使用的它的难度也绝对不小，这对我们来说才是真正的挑战。
当然，还有点非主题的东西，就是关于python的。说实话，python无论是写起来还是读起来都太舒服了，代码不冗余，接近自然语言，尤其是强制缩进，简直是强迫症的福音，我觉得可以将它作为主力语言去学习一下了。