热门标签 | HotTags
当前位置:  开发笔记 > 编程语言 > 正文

Python学习(二)——深度学习入门介绍

课程二:深度学习入门讲师:David(数据分析工程师)这门课主要介绍了很多神经网络的基本原理,非常非常基础的了解。零、思维导图预览:一、深度神经网络1.神经元工作原理

                  课程二:深度学习入门

                        讲师:David (数据分析工程师)

  这门课主要介绍了很多神经网络的基本原理,非常非常基础的了解。

零、思维导图预览:

        

     

 

一、深度神经网络

  1.神经元工作原理

  

  ——这是生物上的神经元,然后从中抽象出来,做成 M-P神经元模式

 

   2.神经网络简介

  ——1943 M-P神经元模型

    

    ——1956 感知机

    ——1986 分布式表示

        由 hinton(神经网络之父?)提出

        ——用6个神经元表示9个组合。

神经元 颜色

物件

红车

黄车

蓝车

红马

黄马

蓝马

红狗

黄狗

蓝狗

      一开始是需要9个神经元来表示这些组合,后来提出分布式表示后,就可以使用6个神经元,再通过其两两组合,从何实现了9个组合,这种方法。

    ——1986 反向传播算法

    ——1994 长短记忆网络

    ——2006 深度神经网络

 

      ——2007 卷积神经网络

 

 

  

  3.为什么现在深度学习这么火?

  ——“大”数据

    目前科技发展较好,网络上有丰富的数据。

    深度学习:需要大量的数据来训练他的能力。

  ——“深”模型

    当前计算机的计算能力较强。

 

  4.神经网络分类

  ——前馈神经网络

    

  ——深度神经网络(全链接式)

  

  ——优化深度神经网络

    TensorFlow (较流行)、torch theano caffe mxnetpytorch

    ——测试:http://playground.tensorflow.org  一个用来优化深度神经网络的工具测试

 

  ——卷积神经网络

    ——处理图片识别的问题

   

  ——循环神经网络(RNN)

    

  ——长短记忆网络(LSTM)

  

  ——门循环网络(GRU)

  

  ——生产判别式网络

  

二、深度学习的应用

  1. 图片识别

  

  2. 语言识别

  3. 机器翻译

  4. 图片生成

三、如何学习深度学习

  1.数学

  ——线性代数

  ——微积分

  ——凸优化计算方法

  ——概率论 等

  2.机器学习

  3.编程

  ——算法与数据结构

  ——python

  4.深度学习

  ——相关资料推荐:

    Deep Learninglan Goodfellow , Yoshua Bengio , etc .

  ——论文网站推荐:域名:arXiv

  ——相关公开课推荐

    cs231n  & hinton

 

 

 

 

 

  

 

  


推荐阅读
  • 尽管深度学习带来了广泛的应用前景,其训练通常需要强大的计算资源。然而,并非所有开发者都能负担得起高性能服务器或专用硬件。本文探讨了如何在有限的硬件条件下(如ARM CPU)高效运行深度神经网络,特别是通过选择合适的工具和框架来加速模型推理。 ... [详细]
  • 深入浅出TensorFlow数据读写机制
    本文详细介绍TensorFlow中的数据读写操作,包括TFRecord文件的创建与读取,以及数据集(dataset)的相关概念和使用方法。 ... [详细]
  • 在Ubuntu 16.04中使用Anaconda安装TensorFlow
    本文详细介绍了如何在Ubuntu 16.04系统上通过Anaconda环境管理工具安装TensorFlow。首先,需要下载并安装Anaconda,然后配置环境变量以确保系统能够识别Anaconda命令。接着,创建一个特定的Python环境用于安装TensorFlow,并通过指定的镜像源加速安装过程。最后,通过一个简单的线性回归示例验证TensorFlow的安装是否成功。 ... [详细]
  • 本文探讨了图像标签的多种分类场景及其在以图搜图技术中的应用,涵盖了从基础理论到实际项目实施的全面解析。 ... [详细]
  • 优化ListView性能
    本文深入探讨了如何通过多种技术手段优化ListView的性能,包括视图复用、ViewHolder模式、分批加载数据、图片优化及内存管理等。这些方法能够显著提升应用的响应速度和用户体验。 ... [详细]
  • This guide provides a comprehensive step-by-step approach to successfully installing the MongoDB PHP driver on XAMPP for macOS, ensuring a smooth and efficient setup process. ... [详细]
  • 本文详细介绍了如何在Linux系统上安装和配置Smokeping,以实现对网络链路质量的实时监控。通过详细的步骤和必要的依赖包安装,确保用户能够顺利完成部署并优化其网络性能监控。 ... [详细]
  • vivo Y5s配备了联发科Helio P65八核处理器,这款处理器采用12纳米工艺制造,具备两颗高性能Cortex-A75核心和六颗高效能Cortex-A55核心。此外,它还集成了先进的图像处理单元和语音唤醒功能,为用户提供卓越的性能体验。 ... [详细]
  • 本文探讨了C++编程中理解代码执行期间复杂度的挑战,特别是编译器在程序运行时生成额外指令以确保对象构造、内存管理、类型转换及临时对象创建的安全性。 ... [详细]
  • 吴恩达推出TensorFlow实践课程,Python基础即可入门,四个月掌握核心技能
    量子位报道,deeplearning.ai最新发布了TensorFlow实践课程,适合希望使用TensorFlow开发AI应用的学习者。该课程涵盖机器学习模型构建、图像识别、自然语言处理及时间序列预测等多个方面。 ... [详细]
  • 本文详细介绍了 TensorFlow 的入门实践,特别是使用 MNIST 数据集进行数字识别的项目。文章首先解析了项目文件结构,并解释了各部分的作用,随后逐步讲解了如何通过 TensorFlow 实现基本的神经网络模型。 ... [详细]
  • 本文介绍了一个使用Keras框架构建的卷积神经网络(CNN)实例,主要利用了Keras提供的MNIST数据集以及相关的层,如Dense、Dropout、Activation等,构建了一个具有两层卷积和两层全连接层的CNN模型。 ... [详细]
  • 本文详细介绍了C++标准模板库(STL)中各容器的功能特性,并深入探讨了不同容器操作函数的异常安全性。 ... [详细]
  • TensorFlow核心函数解析与应用
    本文详细介绍了TensorFlow中几个常用的基础函数及其应用场景,包括常量创建、张量扩展以及二维卷积操作等,旨在帮助开发者更好地理解和使用这些功能。 ... [详细]
  • 如何用GPU服务器运行Python
    如何用GPU服务器运行Python-目录前言一、服务器登录1.1下载安装putty1.2putty远程登录 1.3查看GPU、显卡常用命令1.4Linux常用命令二、 ... [详细]
author-avatar
晨雨心秋-济微路唐姜合
这个家伙很懒,什么也没留下!
PHP1.CN | 中国最专业的PHP中文社区 | DevBox开发工具箱 | json解析格式化 |PHP资讯 | PHP教程 | 数据库技术 | 服务器技术 | 前端开发技术 | PHP框架 | 开发工具 | 在线工具
Copyright © 1998 - 2020 PHP1.CN. All Rights Reserved | 京公网安备 11010802041100号 | 京ICP备19059560号-4 | PHP1.CN 第一PHP社区 版权所有