深度学习简介
一 Deep Leraning 的发展
二 深度学习的三大步骤
Step 1: Neural Network
每一个Logistic Regression 就是一个Neuron,不同的连接方式构成不同的Network。
Network 的连接方式有很多,而 Full Connect Feedforward Network 是一种最常见的方式。
一般的 Full Connect Feedforward Network的结构如下:
由以上延伸到Deep Learning,所谓的Deep 指的是 NetWork 中有很多的 Hidden Layers。
普遍规律是层数越高,准确率越高。
在NetWork中,常用的是矩阵运算,简单举例:
更为一般的运算示意图如下:
可以使用GPU加速矩阵的运算速度:
通常将输出层作为一个多分类来处理:
应用举例(手写数字识别):
NetWork 的结构应该怎么决定:
Step 2 :Goodness of function
一个样例的 Loss
总的 Loss
Step 3 :Pick the best function
还是可以使用梯度下降的方法反复计算得到 best function。
思考:
参考:http://speech.ee.ntu.edu.tw/~tlkagk/courses/ML_2016/Lecture/DL%20(v2).pdf
【推荐】FlashTable:表单开发界的极速跑车,让你的开发效率一路狂飙
【推荐】Flutter适配HarmonyOS 5知识地图,实战解析+高频避坑指南
【推荐】博客园的心动:当一群程序员决定开源共建一个真诚相亲平台
【推荐】轻量又高性能的 SSH 工具 IShell:AI 加持,快人一步
· 为什么PostgreSQL不自动缓存执行计划?
· 于是转身独立开发者
· C#.Net筑基-泛型T & 协变逆变
· dotnet 代码调试方法
· DbContext是如何识别出实体集合的
· 免费开源 .NET OpenCV 迷你运行时全平台发布
· 10亿订单如何分库分表?
· C# 的深度强化学习框架RL_Matrix
· 如何基于three.js(webgl)引擎架构,实现3D医院、3D园区导航,3D科室路径导航
· 【Cursor保姆级教程】零基础小白从安装到实战,手把手教你玩转AI编程神器!