来源:云栖社区
作者:Pavel Surmenok
本文长度为2600字,建议阅读5分钟
本文帮助你理解神经网络的应用,并使用TensorFlow解决现实生活中的问题。
如果你一直关注数据科学/机器学习,你就不能错过深度学习和神经网络的热潮。互联网公司正在寻找这方面的人,而且从竞赛到开源项目,都有巨额奖金。
如果你对深度学习所提供的前景感到兴奋,但是还没有开始,在这里或许是你开始的第一步。
在这篇文章中,我将介绍TensorFlow。阅读本文后,你将能够理解神经网络的应用,并使用TensorFlow解决现实生活中的问题,本文中的代码是用Python编写的,Python最近的火爆也和深度学习有关。
何时使用神经网络?
有关神经网络和深度学习的更详细的解释, 请看这里。其“更深”版本正在图像识别,语音和自然语言处理等诸多领域取得巨大突破。
现在的主要问题是何时使用神经网络?关于这点,你必须记住一些事情:
-
神经网络需要大量的信息数据来训练
将神经网络想象成一个孩子。它首先观察父母如何走路。然后它才会独立行走,并且每走一步,孩子都会学习如何执行特定的任务。如果你不让它走,它可能永远不会学习如何走路。你可以提供给孩子的“数据”越多,效果就越好。
-
当你有适当类型的神经网络来解决问题时
每个问题都有自己的难点。数据决定了你解决问题的方式。例如,如果问题是序列生成,递归神经网络更适合,而如果它是一个图像相关的问题,你可能会采取卷积神经网络。
-
硬件要求对于运行深度神经网络模型是至关重要的