【01】深度学习简介
01 深度学习的历史
暴涨的应用案例
其实也是经过几度起伏
02 深度学习流程
完全可以复制机器学习的步骤,还是一样的流程
03 神经网络
所谓神经网络,就是一大堆神经元的连接,一个神经元其实可以看成线性回归与逻辑回归的结合
神经元是全连接的神经网络,后面还有CNN、RNN等
如何完成一次前向传播
输入层、隐藏层、输出层
第二步,如何确定goodness
所有损失
第三步,还是梯度下降~
04 应用举例
手写数字识别
05 FAQ
多深才能叫深度学习?
没有定论,反正现在用神经网络的都说自己是深度学习
如何设计神经网络?
越深越好吗?
2022/3 更新
关于BP的推导
关键是符号表示不要乱,先把前向传播过程用公式写出来,求梯度的时候,挨个链式展开即可。
写着写着会发现一个误差中间量的规律,感受到BP其实就是把网络反过来用,不断地去更新每一层上的误差,然后用这个误差去求上一层到这一层的权重的梯度。
再简洁点就是用矩阵去表达,注意维度就能给出正确的式子。这个和矩阵论推导殊途同归了。花书里面还有更高级的计算图展开,不愧是花书。