https://www.bilibili.com/video/BV1tx411V7Xa?from=search&seid=17819116512474832698
文章目录
![在这里插入图片描述](https://img-blog.csdnimg.cn/20201012233957455.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQzMzU3ODc0,size_16,color_FFFFFF,t_70#pic_center)
1.深度学习介绍
1.1三步
1.1.1 第一步 网络结构
输入w —> 高层z —> 激活函数 —>输出
单个神经元 : 参数x权重 + 偏差值 -> 激励函数 ==》结果
多层结合,多个神经元结合起来
现决定好偏差,偏差决定了激活函数, 最终决定模型优劣
1.1.2 第二步 学习目标
每个维度代表数字的确信度
- dataset
loss 偏差值
目标:用合适的param ,算出loss最小的
拿到parameters 的局部最佳解
猜出最佳解 loss到一定水平
1.1.3 第三步 学习
为什么要深度(多层)?
模块化
2.训练深度神经网络技巧
2.1 效果不好
- 过拟合
- 训练结果不好
- 平方法
- 多分组
- 激励函数 多层会导致激励函数的值会越来越小,去掉为0的层可以解决
- aa
2.2 过拟合
3.各种各样的神经网络
3.1 CNN
3.1.1 why cnn
3.1.2 什么是convolution
3.1.3 什么是Max Pooling
3.1.4 flaten
3.1.5 为什么可以帮助go?
3.2 RNN
4.接下来怎么做