深度学习概述与基础

一,深度学习的基础结构 - 神经网络

神经网络工作流程

NN

二,DL与AI、ML的比较

  • AI:任何能使计算机模仿人类行为的技术。
  • ML:在没有显示编程的情况下使计算机具有学习的能力。
  • DL:使用神经网络学习数据底层的特征。

1,它们之间的包含关系

1

2,它们之间的原理差异

ML vs DL

2

三,欠拟合和过拟合

欠拟合的原因可能有:

  • 模型本身复杂度不够
  • 很难找到目标函数的全局最优解或者很容易陷入局部最优解
  • 计算资源不够导致在迭代优化过程中训练迭代次数不够

过拟合的原因:
较大容量的学习器容易过拟合,因为:

  • 函数族相对于训练数据集的大小太大,所以拟合得训练数据集非常好
  • 没有足够的数据
  • 分离的验证集选择了更合适的那个参数

减小模型容量的方法:

  • 减少特征数量
  • 减少独立参数的数量
  • 减小深度模型的网络大小
  • 减少训练迭代次数
  • 加入正则化项
  • ……

四,深度学习工具

1

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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