@深度学习笔记(一）

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。
• 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
• 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