学习深度学习过程中,如果有一本好的书跟读可以最快的入门。
最开始看了李沐老师的动手学深度学习,书中有理论知识,有代码,可以很好的入门。代码使用的mxnet框架,可能在学校中使用的较少
今天看到一本书,龙龙老师的TensorFlow深度学习,电子版免费开放https://github.com/dragen1860/Deep-Learning-with-TensorFlow-book。
书中第一章介绍机器学习
机器学习可以分为有监督学习(Supervised Learning)、无监督学习(Unsupervised Learning)、强化学习(Reinforcement Learning)
有监督学习:
有监督学习的数据集包含了样本x与样本的标签y,算法模型需要学习到映射关系:x——>y,其中
代表模型函数,
为模型参数。在训练时,通过计算模型的预测值
与真实标签y之间的误差,来优化网络参数
,使得网络的下一次预测能够预测更精准。常见的有监督学习有 线性回归、逻辑回归、支持向量机、随机森林等。
无监督学习:
收集带标签的数据往往会代价较为昂贵,对于只有样本x的数据集,算法需要自行发现数据的模态,这种方式叫做无监督学习。
无监督学习中有一类算法将自身作为监督信号,即模型需要学习的映射为:x——>x,称为自监督学习(self-supervised Learning)。
通过计算模型的预测值与x之间的误差来优化网络参数
。
常见的无监督学习算法有 自编吗器、生成对抗网络等。
强化学习:
增强学习。通过与环境进行交互来学习解决问题的策略 的一类算法。
与有监督、无监督学习不同,强化学习问题并没有明确“正确的”动作监督信号,算法需要与环境进行交互,获取环境反馈的滞后的奖励信号,因此并不能通过计算动作与“正确动作”之间的误差来优化网络。常见的强化学习算法有DQN,PPO等。