人工智能越来越火,甚至成了日常生活无处不在的要素。人工智能是什么?深度学习、机器学习又与人工智能有什么关系?作为开发者如何进入人工智能领域? 近期我们将连载一个深度学习专题,由百度深度学习技术平台部主任架构师毕然分享,让你快速入门深度学习,参与到人工智能浪潮中。 从本专题中,你将学习到:
图:mnist数据处理 不同的数据保存的文件格式和存储形式不尽相同,正确读到数据往往是开始训练的第一步。
第二节:
神经网络模型设计
了解一下深度神经网络的设计原理。 深度神经网络相比较浅层深度神经网络的区别是:网络足够深,足够复杂,非线性程度更高。 复杂的模型可以拟合更复杂的函数,对现实世界的表征能力也会增强。非线性程度的增加通过模型的深度和非线性函数来实现,如果没有非线性函数,即使最深的神经网络也只不过是一种线性函数表达。 组建网络时,一般考虑到训练数据的数量
- 深度学习基础知识
- Numpy实现神经网络构建和梯度下降算法
- 计算机视觉领域主要方向的原理、实践
- 自然语言处理领域主要方向的原理、实践
- 个性化推荐算法的原理、实践
- 数据处理和异步数据读取
- 网络结构设计及背后思想
- 损失函数介绍及使用方式
- 模型优化算法介绍和选择
- 分布式训练方法及实践
- 模型训练调试与优化
- 训练中断后恢复训练
- 从文件中读取到数据;
- 划分数据集为训练集,验证集;
- 构建数据读取器(data_loader)
![c1af25c71f4b4c12f88c39a5e942bdb7.png](https://i-blog.csdnimg.cn/blog_migrate/af686f911750412a875250c6f87cde39.png)