神经网络:
1、感知机(感知机是一个线性模型,并不能处理线性不可分问题,添加激活函数后,感知机可以用来完成二分类问题)
2、全连接层(替换感知机的激活函数,同时并行堆叠多个神经元来实现多输入、多输出的网络层结构。全连接层是最基本的神经网络类型,后续的神经网络模型,例如卷积神经网络和循环神经网络,基本上都源自于全连接层网络的思想)
3、计算方式(前向传播和反向传播)
4、在搭建完模型后,下一步就是选择合适的误差函数来计算误差,常见的有均方差函数(主要用于回归问题)和交叉熵函数(主要用于分类问题),卷积神经网络(AlexNet,GoogleNet,SSD),循环神经网络。
5、卷积神经网络(卷积核,步长),通过设置步长和池化层可以实现尺寸缩减功能,分为最大池化层和平均池化层。最大池化层从局部相关元素集中选取最大的一个元素值,平均池化层从局部相关元素集中计算平均值并返回。
6、常见激活函数:
Sigmoid、ReLU、tanh
7、部分深度学习框架:Pytorch,Keras,Caffe,Tensorflow