- 博客(2)
- 收藏
- 关注
RSS订阅原创 深度学习的第二天（仅供自己学习记录）
但是拥有海量的数据是不够的，必须保证这些数据都是正确的。梯度下降法会检查每一个参数，观察仅对参数进行少量变动，训练集损失会朝哪个方向移动，然后找到可以减少损失的方向，继续进行优化。例如，处理来自于互联网上的任意图片，它们很难具备相同的分辨率和形状，所以不能用“固定长度”的向量表示。深度学习主要关注功能强大的模型，这些模型由神经网络错综复杂的交织在一起，包含层层数据转换，因此称为深度学习。通常，损失函数是根据模型参数定义的，并取决于数据集。例如，在处理图像数据时，每一张单独的照片就是一个样本，它的特征是由。
2023-10-13 16:32:48
89
原创 学习深度学习第一天（仅供自己学习记录）
利用机器学习的方法，我们只需定义一个灵活的程序算法，其输出由许多参数决定，然后使用数据集来确定当下的“最佳数据集”，这些参数通过某种性能度量方式来到达完成任务的最佳性能。我们需要学习的深度学习是属于机器学习中的一个子领域，它使用多层的神经网络处理输入数据，从而实现更高级别的特征提取和分类。例如我们设计一个“狗图检测器”，检测器最终会学会：如果是一张狗的图片就输出一个足够大的正数，如果是一张猫图就输出一个足够小的负数，如果两者都不是，则输出一个接近于0的数。机器学习是一类强大的可以从经验中学习的技术。
2023-10-12 17:41:40
181
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人