1 深度学习介绍

已于 2023-04-07 23:58:26 修改
阅读量58 收藏
点赞数
分类专栏： 李宏毅机器学习课程 文章标签： 深度学习 机器学习 人工智能
于 2023-04-07 23:51:27 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/fengguowuhen0230/article/details/129984390
版权

一、机器学习的本质：找函数

二、函数的类型

  1. 回归
  2. 分类
  3. 结构学习（输出有结构的结果，比如图片或者文本）

三、得到函数的过程：

  1. 定义一个含有未知参数的函数
  2. 定义损失函数
  3. 优化：用梯度下降找到使损失函数最小的参数值
  4. 如果函数表现不好，寻找新的函数，重复1-3

四、引出神经网络结构和深度学习的概念

风过无痕0230
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
专栏目录
OneFlow深度学习框架介绍
04-13
下面是 OneFlow 深度学习框架的详细介绍： ### 特点： 1. **高性能**：OneFlow 设计了高性能的计算图引擎，利用异步计算和并行计算等技术，实现了高效的模型训练和推理。它在多种硬件平台上都能提供出色的性能表现...
深度学习知识点全面总结
热门推荐
专注大数据与人工智能技术分享，欢迎私信加群互相学习！
01-05 21万+
本文详细介绍深度学习概念及原理，参考网上相关资料汇总，内容包含众多章节，包括神经网络基础及常见深度学习网络结构介绍，用于个人学习总结，适合深度学习初学者学习。同时介绍机器学习常见的分类算法：SVM、神经网络、随机森林、逻辑回归、KNN、贝叶斯。常见的监督学习算法：感知机、SVM、人工神经网络、决策树、逻辑回归.........
深度学习介绍
Aaron的博客
07-17 1958
深度学习(DL,DeepLearning)是(ML,MachineLearning)领域中一个新的研究方向，它被引入机器学习使其更接近于最初的目标——深度学习是学习的内在规律和表示层次，这些学习过程中获得的信息对诸如文字，和等数据的解释有很大的帮助。它的最终目标是让机器能够像人一样具有分析学习能力，能够识别文字、图像和声音等数据。深度学习是一个复杂的机器学习算法，在语音和图像识别方面取得的效果，远远超过先前相关技术。深度学习在，以及其他相关领域都取得了很多成果。......
PyTorch 深度学习入门
努力是为了站在万人之中，成为别人的光
06-14 2万+
深度学习是机器学习的一个分支，其中编写了模仿人脑功能的算法。深度学习中最常用的库是 Tensorflow 和 PyTorch。由于有各种可用的深度学习框架，人们可能想知道何时使用 PyTorch。以下是人们可能更喜欢将 Pytorch 用于特定任务的原因。Pytorch 是一个开源深度学习框架，带有 Python 和 C++ 接口。Pytorch 位于 torch 模块中。在 PyTorch 中，必须处理的数据以张量的形式输入。如果您的系统中安装了 Anaconda Python.........
python深度学习介绍
流沙
02-23 5663
简介 深度学习(人工神经网络的研究的概念) 深度学习(DL, Deep Learning)是机器学习(ML, Machine Learning)领域中一个新的研究方向，它被引入机器学习使其更接近于最初的目标——人工智能(AI, Artificial Intelligence)。 深度学习是学习样本数据的内在规律和表示层次，这些学习过程中获得的信息对诸如文字，图像和声音等数据的解释有很大的帮助。它的...
1. 深度学习介绍
qq_54932411的博客
08-27 4万+
计算机视觉面对的是图片，图片里面都是一个个像素，像素很难用符号学来解释，所以计算机视觉大部分用概率模型、机器学习来解释。② 感知类似我能看到前面有个屏幕，推理是基于我看到的东西想象未来会发生什么事，根据看到的现象、数据，形成自己的知识，知道所有知识后能进行长远的规划，未来怎么做。② 17年的时候，几乎所有的团队都可以做到5%以内的错误率，基本上可以达到人类在图片识别上的精度了。② IMAGENET是比较大的图片分类数据集，如下图所示，它包括了一千类的自然物体的图片，它大概有一百万张图片。
深度学习介绍.ppt
07-10
1. Introduction about what is the Deep Learning 2. discss about Convolutional Neural Network 3. something about . ImageNet and ILSVRC
深度学习PyTorch极简入门PDF教程1
08-03
介绍。这里，大家把它看成是一个非线性函数即可。这样，线性感知机和非线性单元就构成了单个神经元。单个神经元描述的是输出与单一变量之间的关系。还是上面的例子，如果房
《深度学习详细介绍》PPT共36页全.pdf
09-28
本课程是一门侧重在深度学习相关理论基础的课程，并对深度学习的典型模型框架如循环神经网络、卷积神经网络等的基本原理进行了介绍。课程同时还包括若干关键内容的相关代码及运行效果演示，从而便于同学们获得理性和...
某深度学习课程大纲1
08-04
笔记本：深度学习创建时间：更新时间：作者：某深度学习课程大纲课程结构每周，你将看到以下知识内容：Siraj 的介绍性视频以及1小时的代码课Mat 和其他优达学城
基于深度学习和去卷积的盲源分离方法在旋转机械上的应用
声纹感知 洞察芯声
05-23 653
振动是旋转机械中主要的故障指示器，它们主要来源于两个方面：一个是与齿轮相关的振动（主要源于齿轮啮合过程中的冲击和不平衡负载），另一个是与轴承故障相关的低能量信号（主要源于轴承内部或外部的故障）。这些信号在传输到传感器的过程中，都会被机械的传递函数扭曲。我们提出的方法能够实现振动源的盲分离，即不需要任何关于被监控设备或外部测量的信息。
【框架】简化多卡训练——huggingface accelerate使用方法介绍
weixin_43441566的博客
05-20 369
HuggingFace 的 accelerate 库可以实现只需要修改几行代码就可以实现ddp训练，且支持混合精度训练和TPU训练。(甚至支持deepspeed。accelerate支持的训练方式为CPU/单GPU (TPU)/多GPU(TPU) DDP模式/fp32/fp16等。
【免费】融合正余弦和柯西变异的麻雀优化算法SCSSA-CNN-BiLSTM双向长短期记忆网络预测模型
zhangxd212489的博客
05-20 944
程序实现多输入单输出预测，通过融合正余弦和柯西变异改进麻雀搜索算法，对CNN-BiLSTM的学习率、正则化参数以及BiLSTM隐含层神经元个数等进行优化，并对比了该改进算法和粒子群、灰狼算法在优化方面的优势。该程序数据选用的是一段风速数据，数据较为简单，方便同学进行替换学习。程序对比了优化前和优化后的效果，注释清晰，方便学习，建议采用高版本matlab运行。
MATLAB|【免费】融合正余弦和柯西变异的麻雀优化算法SCSSA-CNN-BiLSTM双向长短期记忆网络预测模型
superone89的博客
05-17 923
程序实现多输入单输出预测，通过融合正余弦和柯西变异改进麻雀搜索算法，对CNN-BiLSTM的学习率、正则化参数以及BiLSTM隐含层神经元个数等进行优化，并对比了该改进算法和粒子群、灰狼算法在优化方面的优势。该程序数据选用的是一段风速数据，数据较为简单，方便同学进行替换学习。程序对比了优化前和优化后的效果，注释清晰，方便学习，建议采用高版本matlab运行。
神经网络与深度学习-简要入门
qq_42994487的博客
05-19 790
神经网络与深度学习-简要入门
RNN-LSTM：隐状态：用来实现一个时间步的记忆计算，细胞状态会累计所有隐藏态通过遗忘门。隐藏态计算也会融合细胞态
ZJQ的博客
05-19 57
隐状态：用来实现一个时间步的记忆计算，细胞状态会累计所有隐藏态通过遗忘门。 隐藏态计算也会通过细胞态
深度学习（文章链接汇总）
qq_42994487的博客
05-19 273
神经网络与深度学习-简要入门 动手学深度学习-pytorch版本（一）：引言 & 预备知识 动手学深度学习-pytorch版本（二）：线性神经网络 YOLOv8 学习与环境配置
人工智能应用-实验5-BP 神经网络分类手写数据集
最新发布
半岛铁盒里
05-23 1191
BP分类手写数据集
【论文解读系列】卷积神经网络(CNN)创新综述
m0_73776435的博客
05-20 1175
大量数据的可用性和硬件处理单元的改进加速了 CNN 的研究，最近也报道了非常有趣的深度 CNN 架构。2015 年，为了训练深度 CNN，Resnet 引入的残差连接概念变得很有名，并且，后来的大多数网络像 Inception-ResNet，WideResNet，ResNext 等都在使用它。与此类似，一些像 WideResnet、Pyramidal Nets、Xception 这样的架构都引入了多层转换的概念，通过额外的基数和增加的宽度来实现。不同的抽象级别在定义神经网络的鉴别能力方面有着重要的作用。
深度学习adapter介绍
05-18
深度学习 Adapter（DLA）是一种高效、灵活的深度学习推理加速器，它可以为许多应用程序提供高性能计算能力，例如物体检测、语音识别和自然语言处理等。DLA 的设计目标是提高深度学习推理的吞吐量和能效比。 DLA ...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值