神经网络和深度学习二者之间的关系

针对新手来说,神经网络和深度学习这两个概念总是处于一种似懂非懂的朦胧状态,今天就彻底搞懂它们的区别。
首先,我觉得二者的关系可以用下面这张图来表示在这里插入图片描述
引用邱锡鹏教授编写的《神经网络与深度学习》一书中的一句话“神经网络天然不是深度学习,但是深度学习天然是神经网络”。也就是说,神经网络的用途非常广泛,深度学习仅仅是其应用领域之一,但是目前的深度学习领域所使用的模型,主要还是以神经网络为主。
本文仅仅介绍二者的关系,是在假设你已经入门,对神经网络和深度学习有了一个初步的认识的基础,至于什么是神经网络,什么又是深度学习,这样的问题可不是一两句话就能解释得清楚,后续我会写文章跟进,还是争取用最通俗易懂的话让你明白!

如果内容有误,欢迎大家评论指出,共同学习进步,谢谢大家!

  • 4
    点赞
  • 15
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
keras中文文档,清晰。Keras是一个高层神经网络API,Keras由纯Python编写而成并基Tensorflow、Theano以及CNTK后端。Keras 为支持快速实验而生,能够把你的idea迅速转换为结果,如果你有如下需求,请选择Keras: 简易和快速的原型设计(keras具有高度模块化,极简,和可扩充特性) 支持CNN和RNN,或二者的结合 无缝CPU和GPU切换 Keras适用的Python版本是:Python 2.7-3.6 Keras的设计原则是 用户友好:Keras是为人类而不是天顶星人设计的API。用户的使用体验始终是我们考虑的首要和中心内容。Keras遵循减少认知困难的最佳实践:Keras提供一致而简洁的API, 能够极大减少一般应用下用户的工作量,同时,Keras提供清晰和具有实践意义的bug反馈。 模块性:模型可理解为一个层的序列或数据的运算图,完全可配置的模块可以用最少的代价自由组合在一起。具体而言,网络层、损失函数、优化器、初始化策略、激活函数、正则化方法都是独立的模块,你可以使用它们来构建自己的模型。 易扩展性:添加新模块超级容易,只需要仿照现有的模块编写新的类或函数即可。创建新模块的便利性使得Keras更适合于先进的研究工作。 与Python协作:Keras没有单独的模型配置文件类型(作为对比,caffe有),模型由python代码描述,使其更紧凑和更易debug,并提供了扩展的便利性

“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

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