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