深度学习
文章平均质量分 67
深度学习入门介绍
自动驾驶--小学生
爱读书,爱学习,自动驾驶深耕者
展开
-
3.深度学习入门介绍--机器学习基础
机器学习的四大分支:监督学习:是目前最常见的机器学习类型。给定一组样本(通常由人工标注),它可以学会将输入数据映射到已知目标(也叫标注)。监督学习的应用:分类和回归序列生成:给定一张图像,预测描述图像的文字语法树预测:给定一个句子,预测其分解生成的语法树目标检测:给定一张图像,在图中特定目标的周围画一个边界框。也可以表示为分类问题(给定多个候选边界框,对每个框内的目标进行分类)或分类与回归联合问题(用向量回归来预测边界框的坐标)图像分割:给定一张图像,在特定物体上画一个像素级的掩膜(原创 2022-05-26 14:43:10 · 165 阅读 · 1 评论 -
2.深度学习入门介绍--神经网络入门
神经网络剖析:层:深度学习的基础组件层就是一个数据处理结构,将一个或多个输入张量转换为一个或多个输出张量。权重是利用随机梯度下降学到的一个或多个张量,其中包含网络的知识。不同的张量格式与数据处理类型需要用到不同的层。比如向量数据也就是2D张量中,通常用密集连接层,也叫全连接层或密集层。序列数据中也就是3D张量中,通常用循环层来处理。图像数据保存在4D张量中,通常用二维卷积来处理。将层看作深度学习的乐高积木......损失函数与优化器:据有多个输出的神经网络可能具有原创 2022-05-24 14:13:56 · 188 阅读 · 0 评论 -
1.深度学习入门介绍--神经网络数学基础
神经网络主要围绕以下几个方面:层:多个层组成的网络(或模型)。(神经网络核心组件,相当于数据处理模块,进去一些数据,出来的数据更加有用。)输入数据和相应的目标。损失函数:即用于学习的反馈信号优化器,决定学习过程如何进行例:output=relu(dot(w , input) + b)w,b都是张量,均为该层的属性。他们被称为该层的权重或可训练参数,分别对应于kernal,bias属性。这些权重包含网络从训练数据中学到的信息。训练循环:(1)抽取训练样本x和对应目标y组成的数据原创 2022-05-23 15:04:07 · 296 阅读 · 0 评论