1. 基本概念

• $\color{blue}{结构化数据}$：拥有多种数据类型的数据。
• $\color{blue}{序列化}$：将结构化的数据变成数据流的格。式，即变为一个字符串或二进制流。
• 结构化数据处理工具：实现数据序列化及反序列化（从数据流中还原出原来的结构化数据）。

1.1 结构化数据处理

1.1.1 XML

<user>
    <name>Li Zhang</name>
    <id>890</id>
    <email>[email protected]</email>
</user>

1.1.2 JSON

{
    "name":"Li Zhang",
    "id":"890",
    "email":"[email protected]",
}

1.1.3 Protocol Buffer

Protocol Buffer格式的数据与XML和JSON的区别：

• Protocol Buffer格式化的数据是二进制流， 是不可读的
• XML和JSON的所有信息包含在内，反序列化时不需要额外信息
• Protocol Buffer反序列化时，需要预先定义的数据格式
• Protocol Buffer序列化出来的数据比XML格式数据小3到10 倍，解析速度要快20到100倍
• 数据格式定义文件：

message user{
    optionial string name =1;
    required int32 id = 2;
    repeated string email = 3;
}

• Protocol Buffer定义的数据格式保存在.proto文件中
• TensorFlow的通信协议gRPC是以Protocol Buffer作为基础的

1.2 深度学习

• 深度学习：一类通过多层非线性变换对高复杂性数据建模算法的集合。
• 深度学习重要特征：
  
  • 多层
  • 非线性
• 线性变换：输出结果对任意输入变量求偏导，其偏导均为常数。
  
  • 当模型的输入只有一个的时候，$\mathcal{x}$和$\mathcal{y}$形成了二维坐标系上的一条地直线
  • 当模型有$\mathcal{n}$个输入时，$\mathcal{x}$和$\mathcal{y}$形成了$\mathcal{n+1}$维空间中的一个平面
  • 线性模型特点：任意线性模型的组合仍然是线性模型
• 工
• 工