1.深度学习基础-线性神经网络,多层感知器
2.卷积神经网络-lenet,alexnet,vgg,inception,resnet
3.循环神经网络-RNN,GRU,LSTM,seq2seq
4.注意力机制-attention。transformer
5.优化算法-SGD,Momentum,Adam
6.高性能计算-并行,多GPU,分布式
7.计算机视觉-目标检测,语音分割
8.自然语言处理-词嵌入,BERT
1.深度学习基础
深度学习的定义
物体分类,物体检测和分割,样式的迁移(将样式图片和内容相结合,滤镜),人脸的合成
文字生成图片,文字生成,无人驾驶汽车。
案例研究–广告点击
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-QCRouqb5-1649577186614)(82d042d1cab2e02a0dd35f032dec1dd6.png)]
触发–点击率预估–排序(点击率*竞价)
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-aB9ZxDvW-1649577186615)(7c7762142ed15ba93946348140cf3b15.png)]
预测与学习
特征提取–模型–点击率预测
训练数据–特征和用户点击–模型
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-vkwgMfL1-1649577186615)(69f04f885e52f285c2235b8e8d3a4dbb.png)]
最后需要性能和精度的学习
数据
N维数据样例
N维数组是机器学习和神经网络的主要数据结构
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-9vL0jaOC-1649577186616)(ebac0914e26a8b7c2eda67c20997e1b7.png)]
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-yGkNz3s2-1649577186616)(6c2037384dcf22d334b1468aaf27585e.png)]
访问元素
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-BeKbKZIt-1649577186617)(43d4e25ca209f75d7dab49f95b14ad3e.png)]
张量表示数据组成的数组
有shape,numel,reshape函数
zeros,ones函数
randn函数,每个元素符合均值为0,标准差为1的标准高斯分布(正态分布)中随机采样
也可以通过python.tensor来赋值
sum函数对所有张量进行求和,形成一个单元素张量
两个tensor的形状不同,也可以通过广播机制来执行元素操作
线性代数
如果你曾经在餐厅支付餐费,那么你已经知道一些基本的线性代数,比如在数字间相加或相乘。 例如,北京的温度为 52∘𝐹 (除了摄氏度外,另一种温度计量单位)。 严格来说,我们称仅包含一个数值的叫标量(scalar)。 如果要将此华氏度值转换为更常用的摄氏度, 则可以计算表达式 𝑐=59(𝑓−32) ,并将 𝑓 赋为 52 。 在此等式中,每一项( 5 、 9 和 32 )都是标量值。 符号 𝑐 和 𝑓 称为变量(variable),它们表示未知的标量值。
在本书中&#x