?模擬電路是可以利用三極管的導(dǎo)通 / 截止的狀態(tài)切換，來實現(xiàn)數(shù)字邏輯的。

最簡單的數(shù)字邏輯有3種：與、或、非。

這種簡單的數(shù)字電路叫門電路。

非門

最簡單的非門，就是使用一個三極管和一個電阻。

最簡單的與門，是使用兩個二極管和一個電阻。

與門

如上圖，2個二極管只要有一個（與電源負(fù)極）導(dǎo)通時，輸出端的電壓就是0.7v，為低電位。

2個二極管都截止時，輸出端的電壓等于電源電壓，為高電位。

只使用三極管的b-e兩極時，三極管就相當(dāng)于二極管。

這些簡單的門電路，都可以用來處理一個二進制位的運算，即位運算。

1.位運算

位運算，是比加減乘除更簡單的運算。

在位運算時，一個數(shù)的多個二進制位之間是不相關(guān)的。

所以，只要把32個上圖的電路并聯(lián)起來，就可以處理32位的位運算。

2.加減運算

加法和減法因為有進位和借位，它們的多個二進制位之間是相關(guān)的。

所以，加法和減法的電路實現(xiàn)是比較復(fù)雜的，乘法和除法更復(fù)雜。

但是，加減乘除運算都是可以用電路實現(xiàn)的。

（這里就不展開了，否則又得寫一大篇）

3.C語言

在位運算和加減乘除的基礎(chǔ)上，就可以實現(xiàn)一門編程語言了。

邏輯運算（&&, ||, !），就是1個二進制位的位運算。

比較運算（>, <, ==, !=, >=, <=），實際比較的是運算結(jié)果與0的大小。

2 > 1 比較的是 2 - 1 > 0，

0可以用1個二進制位表示，所以比較運算實際上也是加減運算+位運算。

if / else，就是邏輯運算。

while / for，就是個復(fù)雜點的if / else：

它會根據(jù)條件跳轉(zhuǎn)到循環(huán)開頭或結(jié)尾，而if / else不會跳轉(zhuǎn)到開頭，就這么點區(qū)別。

位運算、加減乘除、邏輯、比較、if else、while for，一門編程語言的主要運算也就這些。

當(dāng)然，從數(shù)字計算機的出現(xiàn)到C語言的誕生，中間還隔了20多年的時間，經(jīng)歷了機器語言、匯編語言，上古高級語言3個階段。

C語言從出現(xiàn)到現(xiàn)在，已經(jīng)用了50年了，依然寶刀未老?

C語言之后的編程語言，基本都是在C語言的基礎(chǔ)上修修補補。

例如：C++添加了OOP機制；

java又在C++的基礎(chǔ)上做了一些簡化，并且把運行平臺從CPU搬到了jvm虛擬機，實現(xiàn)了跨平臺；

go語言除了有點古怪的語法之外，又差不多回到了C語言的最初設(shè)計，并且添加了協(xié)程。

現(xiàn)在，人們在編程語言上能夠做的改進已經(jīng)比較少了，更多的是順應(yīng)程序員的習(xí)慣。

所以，有個編譯器大牛好幾年前就說過：編程語言是程序員的“宗教戰(zhàn)爭”。

所以，php是最好的編程語言?

4.unix系統(tǒng)

C語言出現(xiàn)之后，丹尼斯-里奇和肯-湯普森馬上就用它重寫了unix系統(tǒng)。

這是C語言被發(fā)明的主要目的，和第一個應(yīng)用。

丹尼斯-里奇在unix系統(tǒng)的設(shè)計模式，成了后來操作系統(tǒng)的典范。

unix說，“一切皆是文件”。

包括Linux在內(nèi)的泛unix系的操作系統(tǒng)，都遵循了這一原則，而且API高度相同。

但是，API這個詞是從“異端”windows那里來的。

unix / linux 的API學(xué)名叫系統(tǒng)調(diào)用（syscall），但因為2000年前后微軟巨大的影響了，都被叫成了API。

并且，windows把文件的描述結(jié)構(gòu)叫句柄，linux叫文件描述符，現(xiàn)在很多l(xiāng)inux程序員也把文件描述符叫句柄。

畢竟，windows XP在代表了一個時代！

操作系統(tǒng)、數(shù)據(jù)庫、編譯器，是傳統(tǒng)的三大基礎(chǔ)軟件。

在1970年，unix和C語言出現(xiàn)之后，美國巨頭們就迅速壟斷了這三大領(lǐng)域。

不過，人類的科技發(fā)展，從來都是想重新發(fā)明自己！

怎么讓電腦像人一樣的看東西，是科學(xué)家們從1980年之后的研究重點。

5.計算機視覺

讓電腦去識別圖像的技術(shù)，叫計算機視覺，英文縮寫CV.

CV的大概可以分為兩步：

1）目標(biāo)檢測，即把目標(biāo)位置從背景圖片里畫出來，

2）目標(biāo)識別，識別畫出來的目標(biāo)是什么。

人臉識別

把人的面部從圖片中框出來，就是人臉檢測：常用的算法是Haar小波分類器。

識別框出來的人臉是誰，就是人臉識別：常用的算法是CNN，它是深度學(xué)習(xí)的一種模型。

在深度學(xué)習(xí)出現(xiàn)之前，人們經(jīng)常使用傳統(tǒng)算法的組合去識別圖像。

例如：

高斯模糊，可以平滑掉圖像中的一些斑點。

拉普拉斯變換，可以檢測圖像的邊緣。

形態(tài)學(xué)膨脹，可以把一大片鄰近的點連成一塊區(qū)域：在文字識別中常用這個算法。

文字是一種邊緣特別突出的圖形，與自然物體的差異很大，所以拉普拉斯變化之后文字區(qū)域非常的明顯。

但是在閥值分隔之后，這個區(qū)域往往形成一些密集而不連續(xù)的點：

經(jīng)過形態(tài)學(xué)膨脹之后，這些點就連成了一塊，可以求它的外接矩形了；

外接矩形，基本上就可以框出文字所在的區(qū)域；

然后，就可以根據(jù)特征去識別了。

對人臉的識別，也是先框出所在的區(qū)域，然后根據(jù)特征去識別。

傳統(tǒng)算法經(jīng)常使用的是特征點檢測+分類器：

SIFT算法用來檢測特征點，SVM支持向量機用來對特征點分類，SIFT+SVM曾經(jīng)是深度學(xué)習(xí)出現(xiàn)之前使用最多的CV算法。

當(dāng)然，SIFT+SVM的效果也就那樣，畢竟它們都是非常死板的固定算法，適用場景有限。

在2006年，辛頓提出深度學(xué)習(xí)之前，CV算法對復(fù)雜場景的識別率一直不高。

雖然傳統(tǒng)算法在數(shù)學(xué)上都是可解釋的，但識別率是硬傷。

深度學(xué)習(xí)的參數(shù)雖然難以解釋，但它的識別率比傳統(tǒng)算法高得多。

這十幾年來，深度學(xué)習(xí)基本一統(tǒng)了CV領(lǐng)域。

深度學(xué)習(xí)的入門，所需要的數(shù)學(xué)知識并不多，學(xué)過高數(shù)和線代的都能很快入門。