本文整理了深度学习的基础问题，包括神经网络组成、计算、常用模型、机器学习与深度学习区别、训练难点、前向反向传播、超参数、激活函数、优化器、CNN与RNN模型、目标检测与分割、强化学习、迁移学习、多任务学习等核心概念，旨在全面解答深度学习的常见疑问。同时，提到了GPU与CPU对比、数据集选择、模型优化、CUDA编程和深度学习应用等领域。
本篇列出常见的深度学习基础问题，并拟打算在2020年3月31日前，出一个《深度学习100答》系列，针对这里列出的问题，一一作出简要的回答。
注：
如果只列出名词，则问题是：它的定义，推导与应用是什么？
- 神经网络的基本组成；
- 神经网络的输出计算；
- 常用的神经网络模型；
- 机器学习与深度学习的区别；
- 为什么训练深层网络很困难？
- 前向传播推导；
- 反向传播推导；
- 超参数；
- 超参数的一般搜索过程；
- 常见的激活函数；
- 各种激活函数的优缺点；
- 如何选择激活函数；
- 为什么需要非线性激活函数；
- Batch_size的选择；
最低0.47元/天 解锁文章
930
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
