【深度学习】初识深度学习

发布时间:2024年01月24日

初识深度学习

什么是深度学习

关系:

人工智能
机器学习
深度学习
卷积神经网络

深度学习和机器学习的关系:

  1. 机器学习:随着数据量增加会改进性能的算法
  2. 深度学习:使用多层神经网络学习。深度学习是机器学习的子集。

传统系统和深度学习的区别:

  1. 传统编程系统:定义规则,输入数据获取输出(定义f(x)、x求得y)
  2. 深度学习系统:输入答案和数据,输出规则(定义x、y求得f(x),且f(x)具有泛化性
规则 f(x)
规则 f(x)
数据 x
数据 x
答案 y
答案 y
传统编程逻辑
深度学习系统

深度神经网络

什么是过拟合

过拟合:过多地学习了数据,会导致泛化性下降。

训练次数过多,且数据集较为单一。模型会增加对一套算法的依赖性,从而降低了泛化性。

比如:使用一个关卡训练AI找到最佳打法,因为关卡较为固定,AI找到了最优打法并高度依赖、不断精益求精。遗忘掉了其他打法的可能性。

神经网络参数

w权重:描述特征的重要性

b偏置:用于实现经过原点线性可分

深度学习框架

框架封装了不同的模型,提高易用程度。

  1. TensorFlow + Keras
  2. PyTorch

需要安装的模块:

  1. TensorFlow
  2. keras
  3. numpy
  4. matplotlib
  5. pandas
  6. sklearn==0.0

文章来源:https://blog.csdn.net/wmh1024/article/details/135800869
本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。