百度飞桨学习笔记(一)

本文介绍了深度学习的基础概念,包括人工智能、机器学习、深度学习的关系,以及机器学习的步骤。重点讲解了深度学习框架PaddlePaddle,以波士顿房价预测任务为例,详细阐述了数据处理、模型设计、训练配置和训练过程,使用了随机梯度下降法进行优化。
摘要由CSDN通过智能技术生成

前言

通过代码学习知识,而不是通过公式来学习知识,比较容易入门,且比较直观。在学习代码之前,我们仍需要掌握一些关于深度学习的基本概念。

人工智能、机器学习、深度学习的关系

人工智能研究的是如何使人的智能得以模拟、延伸和扩展的技术;

机器学习是实现人工智能的一种有效的方式;

深度学习是一种实现机器学习的技术;
人工智能、机器学习、深度学习之间的关系

机器学习的实现

机器学习的实现可以分为两步:训练和预测。
1、训练:从一定数量的样本中,学习输入与输出的关系。
2、预测:基于训练得到的输入与输出关系,对新的输入推测出新的输出。

机器学习的方法论

最主要的就是模型的确立,流程有:假设、评价、优化。

假设

根据数据,提出合理的模型参数,使得其符合数据的规律,个人认为这一步是最重要的,且需要一定的数学素养。

评价

需要定义评价指标来判断模型训练的好坏,通常采用模型预测值和真实值差距的评价函数(也被成为损失函数)。

优化

根据评价来调整模型的参数(利用评价函数与参数的关系求导使得评价函数最小,类似于最优化问题)。

在我看来,机器学习的本质其实是“参数估计”。

深度学习

深度学习和机器学习两者在理论结构上是一致的,即:模型假设、评价函数和优化算法,其根本差别在于假设的复杂度(例如图像识别)。

神经网络的基本概念

人工神经网络包括多个神经网络层,如卷积层、全连接层、LSTM等,每一层又包括很多神经元,超过三层的非线性神经网络都可以被称为深度神经网络。
深度网络结构示意图
·神经元:神经网络中每个节点都称为神经元,由两部分组成:
  ·加权和:将所有输入加权求和。
  ·非线性变换(激活函数):加权和的结果经过一个非线性函数变换,让神经元计算具备非线性的能力。

·多层连接:大量这样的节点按照不同的层次排布,形成多层的结构连接起来,即称为神经网络。

·前向计算:从输入计算输出的过程,顺序从网络前至后。

·计算突:以图形化的范式展示神经网络的计算逻辑。可以将计算图以公式的方式表达:

Y = f 3 ( f 2 ( f 1 ( w 1 ⋅ x 1 + w 2 ⋅ x 2 + w 3 ⋅ x 3 + b ) + . . . ) + . . . ) Y=f_3(f_2(f_1(w_1·x_1+w_2·x_2+w_3·x_3+b)+...)+...) Y=f3(f2(f1(w1x1+w2x2+w3x3+b)+...)+...)

·反向传播:利用求导的链式法则,对上一层的权重进行修正。

深度学习框架

在深度学习框架下,不同模型的算法结构有较大的通用性,如常用于计算机视觉的卷积神经网络模型(CNN)和常用于自然语言处理的长期短期记忆模型(LSTM),都可以分为组网模块、梯度下降的优化模块和预测模块等。这使得抽象出统一的框架成为了可能,并大大降低了编写建模代码的成本。一些相对通用的模块,如网络基础算子的实现、各种优化算法等都可以由框架实现。建模者只需要关注数据处理,配置组网的方式,以及用少量代码串起训练和预测的流程即可。

只要掌握深度学习必要但少量的理论知识,掌握Python编程即可以在深度学习框架实现非常有效的模型,甚至与该领域最领先的模型不相上下。

深度学习构建模型和完成训练的套路一致(五步法)

  1. 数据处理:读取数据然后完成预处理操作(如数据校验、格式转换等等),保证数据可读取。
  2. 模型设计:网络结构设计,相当于模型的假设空间,即模型能够表达的关系集合。
  3. 训练配置:指定模型采用的寻解算法,即优化器,并指定计算资源。
  4. 训练配置:指定模型采用的寻解算法,即优化器,并指定计算资源。
  5. 模型保存:将训练好的模型保存,模型预测时调用。

波士顿房价预测任务

采用模型假设:多元线性回归模型(即认为输入与输出是一种线性关系,即神经元只有加权和,没有非线性函数)
y = ∑ j = 1 M x j w j + b y=\sum_{j=1}^{M} {x_jw_j} + b y=j=1Mxjwj+b
评估:采用均方误差作为损失函数。
M S E = 1 n ∑ i = 1 n ( Y i ′ − Y i ) 2 MSE=\frac{1}{n}\sum_{i=1}^{n}{(Y_i'-Y_i)^2}

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