什么是深度学习？kears简介，深度学习常用的三大模型，MLP(多层感知机)，CNN(卷积神经网络)，RNN(循环神经网络)

什么是深度学习？

简单理解深度学习就是人类容易做的事情，机器不容易完成的事情。（实例：人脸识别，这个例子很好的证明了这句话。假如你识别一个人 ，今天这个人长这个样子，明天脸上有一块伤口，我们人是不是还可以一眼就可以识别，而机器却不好识别）。

        

深度学习模型

自然语言处理是人工智能皇冠上的明珠。

深度学习的模型

1.深度学习模型的四大部分：

        数据集、模型、学习准则、优化方法

2.深度学习模型：

        

3.深度学习模型学习方法

       基础模型：MLP,CNN,RNN

       主流模型：transformer，GPT,Bert

4.深度学习模型的学习导师：keras

Keras是一个流行的深度学习库。2017年就有250000名研发人员共同研发。

Google的tansorflow选择kears作为其库的高级API

Keras是一个致力于加速深度学习模型实施的库

Keras快速图形化模型

keras模型流程图：

        

如何构建kears构建模型：

kears模型总结：

Layer(type)	Output Shape	Param #
dense_1 (Dense)	256	200960(784X256+256)
activation_1 (Activation)	256	0
dropout_1 (Dropout)	256	0
dense_2 (Dense)	256	65792(256X256+256)
activation_2 (Activation)	256	0
dropout_2 (Dropout)	256	0
dense_3 (Dense)	10	2570(256X10+10)
activation_3 (Activation)	10	0

深度学习三大模型

MLP：多层感知机（Multilayer Perceptron）

CNN：卷积神经网络（Convolutional Neural Networks）

RNN：循环神经网络（Recurrent Neural Networks）

首先介绍MLP:

MLP是多层感知机，多层感知机是一个全连接的网络，也被称为深度前馈网络和前馈神经网络。

MLP的流程图：（拿数字手写体识别举例）

 

CNN：卷积神经网络

         

         

          

CNN模型总结：

Layer(type)	Output Shape	Param #
conv2d_1 (Conv2D)	(None, 26, 26, 64)	640
max_pooling2d_1 (MaxPooling2D)	(None, 13, 13, 64)	0
conv2d_2 (Conv2D)	(None, 11, 11, 64)	36928
max_pooling2d_2 (MaxPooling2D)	(None, 5, 5, 64)	0
conv2d_3 (Conv2D)	(None, 3, 3, 64)	36928
flatten_1(Flatten)	(None, 576)	0
dropout_1 (Dropout)	(None, 576)	0
dense_1(Dense)	(None, 10)	5770
activation_1 (Activation)	(None, 10)	0

 RNN：循环神经网络：

模型参数总结：

        MLP：参数大约27万

        CNN：参数大约8万

        RNN：参数大约7.5万