为什么要“深度”学习
为什么要“深度”学习
全连接网络问题
全连接网络由于链接权过多,算的慢,难收敛,同时可能进入局部极小值,也可能产生过拟合问题
解决算的慢的问题的方法:减少权值连接,每一个节点只连到上一层的少数神经元,即局部连接网络
解决难收敛的问题的方法:权值过多极易过拟合,信息分层处理,每一层在上层提取特征的基础上获取进行再处理,得到更高级别的特征
深度学习平台简介
pytorch 基本概念
张量(Tensor):是一个物理量,对高维(维数≥2) 的物理量进行“量纲分析” 的一种工具
计算图:用“结点”(nodes)和“线”(edges)的有向图来描述数学计算的图像。“节点”一般用来表示施加的数学操作,但也可以表示数据输入的起点/输出的终点,或者是读取/写入持久变量的终点。“线”表示“节点”之间的输入/输出关系。这些数据“线”可以输运“size可动态调整”的多维数据数组,即“张量”
- 使用tensor表示数据
- 使用Dataset、Dataloader读取样本数据和标签
- 使用变量(Variable)存储神经网络权值等参数
- 使用计算图(Computational Graph)表示计算任务
- 在代码运行过程中同时执行计算图