文章目录 P7 Deep Learning深度学习的发展趋势深度学习的三个步骤Step1 : Neural NetworkFully Connect Feedforward Network(全连接)矩阵运算神经网络的本质:通过隐藏层进行特征转换示例-手写数字的识别FAQ:(深度学习的好处:自动提取特征,end-to-end learning,喂数据即可) Step2: 模型评估Step3:选择最优函数 P8 Why Deep?问题1:越深越好?(是的,参数更多,性能更好)问题2:为什么不选择宽的而是选择深的?(参数一样的情况下,深的错误率更低)解释上面的原因(模组化,共用)举例(语音辨识,门电路,剪窗花)总结:深度更有效率(less parameters -> less data, 深度学习并不是暴力碾压) 深度学习的终极好处:End-to-end Learning(自动学习)解释机器为什么能自动学习:每一层的hidden layer都在做特征转换 别人优秀的笔记 P7 Deep Learning 深度学习的发展趋势 深度学习的三个步骤 Step1 : Neural Network Fully Connect Feedforward Network(全连接) Deep = Many hidden layers 矩阵运算 神经网络的本质:通过隐藏层进行特征转换 示例-手写数字的识别 FAQ:(深度学习的好处:自动提取特征,end-to-end learning,喂数据即可) Step2: 模型评估 Step3:选择最优函数 P8 Why Deep? 问题1:越深越好?(是的,参数更多,性能更好) 问题2:为什么不选择宽的而是选择深的?(参数一样的情况下,深的错误率更低) 解释上面的原因(模组化,共用) 举例(语音辨识,门电路,剪窗花) 总结:深度更有效率(less parameters -> less data, 深度学习并不是暴力碾压) 深度学习的终极好处:End-to-end Learning(自动学习) 解释机器为什么能自动学习:每一层的hidden layer都在做特征转换 别人优秀的笔记 LeeML-Notes 20年课程网页 【2020春季】李宏毅机器学习(全) - 视频学习