第一章 欢迎来到深度学习的世界

1-2初识深度学习

什么是深度学习

深度神经网络的本质

核心模型

• List item

卷积神经网络（CNN）是一种深度学习模型，用于处理图像和语音等网格状数据。它通过卷积层、池化层和全连接层构建模型，自动提取图像特征并进行分类。CNN在计算机视觉领域广泛应用，并取得了很大的成功。循环神经网络

• List item

（RNN）是一种能够处理序列数据的神经网络模型。相比于传统的前馈神经网络，RNN引入了循环连接，使得网络能够保留过去的状态信息，并将其用于当前的预测。这种循环结构使RNN在处理语言和时间序列等具有顺序性的数据时具有优势。它们被广泛应用于机器翻译、文本生成、语音识别等任务中。

• List item
  Attention神经网络是一种机器学习模型，用于加强对输入数据中重要部分的关注。通过学习权重分配，Attention网络能够自动地选择输入数据中与任务相关的部分进行处理，忽略不相关的部分。这种机制类似于人的注意力，使得模型能够更好地理解和处理输入数据。Attention网络已经被广泛应用于机器翻译、图像生成、问答系统等领域，并取得了很好的效果。
  （以transformer为代表）
  
  循环神经网络
  
  
  
  
  

1-3课程使用技术栈

深度学习框架
tensorflow pytorch
数据集
mnist. flower102 kaggle