![](https://img-blog.csdnimg.cn/20201014180756925.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
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 · 182 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 · 209 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 · 321 阅读 · 0 评论