第一天(深度学习介绍)
- 深度学习与机器学习的区别
- 特征处理
- 机器学习:人工处理设计特征
- 深度学习:不需要人工处理,只要经过网络输出即可,所以深度学习使用于图像,自然语言处理等等语言方面。
- 特征处理
- 深度学习应用场景
- 图像识别
- 物体识别
- 场景识别
- 车型识别
- 人脸检测跟踪
- 人脸关键点定位
- 人脸身份认证
- 自然语言处理技术
- 机器翻译
- 文本识别
- 聊天对话
- 语音技术
- 语音识别
- 机器学习效果不行的场景,特征需要复杂处理的的地方
- 图像识别
- 深度学习代表算法-神经网络
- 输入层
- 隐藏层
- 输出层
- 类似人的神经元的结构
- 特点
- 每个连接都有一个权重,同一层神经元之间没有连接
- 神经元当中都有激活函数
- 最后输出的结果对应的层也叫全连接层
为什么深度学习效果比较好
- 数据量越来越大,机器学习已经到达并近期,深度学习的优势也越来越明显。
三个条件助推这深度学习的发展
- 数据
- 大量的数据助推深度学习,少量的数据使用深度学习有些大材小用
- 计算
- 训练网络需要GPU、TPU
- 算法
- 一些创新,如ReLU激活函数