《深度学习原理与TensorFlow实践》学习笔记(一)

本文介绍了深度学习的起源、神经网络以及深度学习的核心思想。深度学习通过多层非线性变换学习特征表示,简化特征工程,便于迁移。TensorFlow作为Google的深度学习框架,旨在提供灵活的计算能力,支持分布式扩展和快速产品化。文章还概述了TensorFlow的计算图、Variable、Session等核心概念。
摘要由CSDN通过智能技术生成

深度学习与TensorFlow简介

深度学习简介

深度学习的由来
  • 人工智能(Artificial Intelligence)
    • 包括专家系统、机器学习等
  • 机器学习(Machine Learning)
    • 有监督学习(Supervised Learning)
      • 逻辑回归、SVM、神经网络 ……
      • 深度学习(图像识别、文字理解等)
    • 无监督学习(Unsupervised Learning)
      • 聚类K-means、降维PCA ……
  • 机器学习算法的本质
    • 计算样本输入与目标输出之间的关联性
    • 如:邮件正文中有图片 or 链接 –> 是否为垃圾邮件
  • 问题和局限性
    • 依赖于特征提取和特征表示,强烈依赖人类的先验知识
    • 特征工程费时费力,迁移能力弱
神经网络
  • 通过简单非线性函数的组合,可以拟合任意复杂的函数
  • 边的权重决定节点的组合方式,不同的组合方式得到不同的模型逻辑
  • 模型训练:BackPropagation算法
    • 通过输入训练数据不断矫正函数逻辑,使得模型的输出符合数据分布
    • 代价函数:衡量函数输出与预期之间的差距
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值