卷积神经网络
飞速发展,图像识别效果超过人类
IMAGENET 挑战赛,识别准确度已经超过人类(2015 ResNet)
交并准则:一般比值大于0.5时是比较准确的定位
图像分类问题:在几个中选一个 损失函数用softmax
损失函数
越过delta线就要加多少惩罚
max(0,错误类的得分-安全警戒线的距离)衡量哪一个大。
某一个类别得分和真实得分的惩罚
形成概率问题:答案是猫的概率是多少?标准答案是猫{1,0,0}
从原始得分变为概率向量
希望-logpi越小越好–这就是交叉熵损失
为什么要加log?因为概率很小的时候,可以将连乘变为加分问题。
两种损失函数的理解,差异:
深度学习是一个黑箱,唯一要调的就是输入和输出
32* 32* 3(RGB) 拉长成一条向量