深度学习的四个学习阶段!

深度学习(一)深度学习的发展历史 本次深度学习系列主要从以下几个方面记录,主要为CNN相关 另外最后会专留一章讲述CNN与计算机视觉中的目标检测的发展。∙\bullet发展历史 ∙\bullet基础结构 ∙\bullet损失函数 ∙\bullet优化方法 ∙\bullet训练trick学习任一门知识都应该先从其历史开始,把握了历史,也就抓住了现在与未来 ———by BryantLJ首先盗一张图(来自于“深度学习大讲堂”微 阅读详情

来源:Coggle数据科学

机器学习领域是巨大的,为了学习不迷路,可以从以下列表帮助学习。它概述深度学习的一些学习细节。

阶段1:入门级

入门级能够掌握以下技能:

  • 能够处理小型数据集

  • 理解经典机器学习技术的关键概念

  • 理解经典网络DNN、CNN和RNN

数据处理

在入门级使用的数据集很小,可以放入主内存中。只需几行代码即可应用此类操作。在此阶段数据包括Audio、Image、Time-series和Text等类型。

经典机器学习

在深入研究深度学习之前,学习基本机器学习技术是一个不错的选择,其包括回归、聚类、SVM和树模型。

网络

掌握常见的网络层,以及相应的神经网络;GAN、AE、VAE、DNN、CNN、RNN 等等。在入门阶段,可以优先掌握DNN、CNN和RNN。

理论

没有神经网络就没有深度学习,没有(数学)理论就没有神经网络。可以通过了解数学符号来开始学习,可以从矩阵、线性代数和概率论开始你的学习。

阶段2:进阶水平

进阶和入门级之间没有真正的分界,进阶水平能够处理更大的数据集,能够使用高级网络处理自定义项模型:

  • 处理更大的数据集

  • 能够自定义模型完成任务

  • 网络模型精度变得更好

数据处理

能够处理几GB的数据集,需要自定义数据扩增方法和数据处理函数。

自己完成任务

能够根据具体任务完成代码的开发,而不是参考MNIST的教程完成编码。

自定义网络

处理自定义项目时,如何处理数据数据?如何定义自己的网络层?

模型训练

掌握迁移学习的思路,学会使用预训练权重完成新任务。并掌握冻结部分网络层的方法。

深度学习理论

掌握深度学习模型的正向传播和反向传播,特别是链式求导法则。掌握激活函数和目标函数的作用,能够选择合适的激活函数和目标函数。

阶段3:熟练水平

与进阶相比你需要掌握更加的数据集处理方法,并掌握加速模型训练的方法:

  • 大规模数据的处理和存储

  • 网络模型的调参

  • 无监督学习和强化学习

数据处理

需要掌握几百GB数据集的处理,学会Linux的操作。此阶段可能接触到多模态任务。

无监督项目

开始尝试无监督网络模型的搭建,如自编码器和GAN模型,能够掌握模型原理。

模型训练

掌握模型调参的方法和常见的日志和可视化工具,如TensorBoard的使用。掌握学习率的调节方法,如余弦退火。掌握多机和混合精度训练。

阶段4:专家级

掌握前沿的学术模型的发展,知道自己的兴趣是什么,并能提出新的模型:

  • 学会使用JAX或DALI处理数据

  • 熟悉图神经网络和Transformer模型

本文在原文基础上进行了精简,原文链接:https://towardsdatascience.com/a-guide-to-the-field-of-deep-learning-9bb9b21dae2

PHP学习线路图:四个阶段 按PHP学习线路图中的指引,可以将学习PHP的过程分为4个阶段,一步步前行,为每个阶段设定一个学习目标,并安排好学习计划,达到目标后就可以开启下一阶段的学习。 阅读详情

相关推荐

详解人工智能(AI) 机器学习(ML) 深度学习(DL)

有三个词,这两年出现的频率越来越高:人工智能(AI),机器学习(ML),深度学习(DL),到底他们哥仨是什么关系?今天小编化繁为简,用几张图带你迅速看明白。关系如图,从提出概念的时间上来看也很清楚: 人工智能AI:模拟人脑,辨认哪个是苹果,哪个是橙子。 机器学习ML:根据特征在水果摊买橙子,随着见过的橙子和其他水果越来越多,辨别橙子的能力越来越强,不会再把香蕉当橙子。 机器学习强调“...

ShuYunBIGDATA的博客 3756

【深度学习小知识】训练与推理阶段

神经网络的训练与推理阶段训练阶段推理阶段 训练阶段 训练阶段:是神经网络在输入数据,通过数据和对应标签不断调整权重的过程,即生成模型的过程。 推理阶段 推理阶段:当网络训练完毕后(权重不更新),输入数据后神经网络对其进行处理(比如输入猫的图片,神经网络将图片分类为猫),即模型开始工作进行预测。 ...

Leomn_J的博客 3603

深度学习阶段划分

目录 深度学习阶段划分 第一阶段 第二阶段 三阶段 第四阶段 深度学习阶段划分 第一阶段 第二阶段 三阶段 第四阶段 深度学习的四个学习阶段_哔哩哔哩_bilibili ...

ZhangJiqun&191cm&85kg 1942

[译] 深度学习能力的三个等级

原文地址:3 Levels of Deep Learning Competence 原文作者:Jason Brownlee 译文出自:掘金翻译计划 本文永久链接:github.com/xitu/gold-m… 译者:Hearfishle 校对者:portandbridge, ezioyuan 深度学习不是一颗灵丹妙药,但是在许多非常具有挑战性的领域里它已经证明了自己的高效。 这意味着企业对...

weixin_34248258的博客 1943

3D点云目标检测Complex-YOLO(训练篇)(一)———KITTI数据集预处理与制作

KITTI dataset Download dataset KITTI 3D Object Detection Evaluation 2017 link 下载四个部分,共41.4GB 解压后为四部分内容(相机校准矩阵calib、RGB图像image_2、标签label_2、点云数据velodyne) 对应的testing和training数据。其中,training数据为7481张(图片和点云对应的场景),testing数据 7518张(无label_2数据)。 Data Preprocess

“知识最大的敌人不是无知,而是错觉” 7155

线性调频LFM脉冲压缩 连续波雷达仿真&线性调频信号仿真分析压缩matlab程序源码

13、线性调频信号(LFM)压缩感知的稀疏与重构算法(OMP)的matlab仿真程序(一个可以在matlab上运行的压缩感知实例;8、具有多普勒频移的线性调频信号(知道带宽、采样频率、T使用MATLAB仿真线性调频信号即LFM,同时具有多普勒频移时,匹配滤波后的波形变化。19、CW脉冲和LFM信号Matlab仿真(这是matlab仿真程序,实现了常规雷达信号CW和线性调频信号LFM的仿真)18、lfm信号模糊函数图 matlab(用matlab 实现的线性调频信号信号(lfm)的模糊函数图)

2301_77866396的博客 404

深度学习---框架流程

一、数据准备二、模型构建三、模型训练四、模型验证五、模型优化六、模型推理

MzKyle的博客 3747

利用SPSS实现逻辑回归,树模型,以及广义线性模型

本案例是IBM SPSS数据分析与挖掘实战案例精粹----第九章的学习记录 案例背景:分析出导致急救后迟发性颅脑损伤的主要影响因素,共有201项案例: 分析思路:先使用logistic回归模型进行影响因素筛选,然后利用分类树探索自变量中是否存在交互作用,最后利用广义线性模型过程拟合带交互项的Logistic回归模型 字段:性别,年龄,收缩压,舒张压,血小板,脑挫伤,中线位移,脑肿胀,入院意识,是否手术急救,其余急救措施,是否出现迟发性脑损伤; ...

hepan_defeng的博客 1万+

基于深度学习的目标检测综述(单阶段、多阶段、FPN变体、旋转目标检测等)

随着深度学习的发展,基于深度学习的目标检测方法因其优异的性能已经得到广泛的使用。目前经典的目标检测方法主要包括单阶段(YOLO、SSD、RetinaNet,还有基于关键点的检测方法等)和多阶段方法(Fast RCNN、Faster RCNN、Cascade RCNN等)。下面主要介绍单阶段的目标检测方法(SSD、YOLO系列、RetinaNet等)和多阶段目标检测方法(RCNN系列)。 一、单阶段 1、SSD 2、YOLO1 3、YOLO2 4、YOLO3 5、YOLO4 6、RetinaNet 二、多阶段

qq_36561737的博客 1万+

最新版电子发票样式html+css--普通发票+增值发票

【代码】最新版电子发票样式html+css--普通发票+增值发票。

weixin_44110923的博客 3698

PPL文档——Excel制作的甘特图加上动态今日线

当很多项目需要跟踪进度时,我们介绍一种在Excel中创建甘特图。

qq_34777858的博客 7068

使用 ESP-DL 深度学习库基于 ESP32-S3 实现手势识别

用户基于乐鑫深度学习库 ESP-DL,能够在 ESP32-S3 上部署高性能的深度学习模型。

乐鑫 Espressif 1万+

一文理解近红外光谱数据建模步骤的细节(细节知识总结)

上一篇文章,向入门的同志大体介绍了近红外光谱数据建模的内容,依据上文其实已经可以基本完成数据建模的工作,但是很多工作不够细致,本文便是分享其中的一些技术细节。

weixin_46207310的博客 5571

深度学习的四个学习阶段~

来源:Coggle数据科学机器学习领域是巨大的,为了学习不迷路,可以从以下列表帮助学习。它概述深度学习的一些学习细节。阶段1:入门级入门级能够掌握以下技能:能够处理小型数据集理解经典机器学...

AI蜗牛车 641

第五天 Labview数据记录(5.4 EXCEL文件读写)

Excel 文件读写在数据处理、自动化办公、数据分析等领域具有重要的意义。以下是 Excel 文件读写的主要应用场景和意义:1. 数据管理和整理;2. 自动化办公;3. 数据分析和可视化;4. 系统集成;5. 报表生成;6. 教育和培训;7. 实际应用场景。Excel 文件读写的意义在于提高数据处理的效率、减少人工操作、支持自动化办公、促进数据分析和可视化,以及实现系统之间的数据交互。无论是企业、组织还是个人,都可以通过 Excel 文件读写实现数据的高效管理和利用。

weixin_38637405的博客 1263

6.4 实战项目:基于Agent内核构建Code Review智能体

本文介绍了一个基于Agent内核构建的智能Code Review系统实战项目。系统采用多Agent协作架构,包含代码质量分析、安全漏洞识别、性能优化建议等核心功能模块。文章详细展示了系统架构设计,采用协调器Agent管理多个专业Agent协同工作,并提供了基础Agent框架和协调器Agent的TypeScript实现代码。项目结合了AI Agent核心原理和多Agent协作机制,实现了自动化的代码审查流程,能够生成详细的审查报告,帮助开发者提升代码质量和安全性。

yonggeit的博客 3114

学习深度学习的四个步骤

摘要: 深度学习的四个步骤,由浅入深,并给出每个阶段的学习资源。 原文地址: https://medium.com/@vzkuma/4-steps-for-learning-deep-learning-86f11fcee54 本文转自:https://yq.aliyun.com/articles/60248 学习深度学习的四个步骤 一个手写资源列表帮助你变成

Maan_liaa的博客 1万+

RU DOS版、EFI版32bit/64bit BIOS常用工具

DOS版、EFI版的RU工具,可用来查看IO、MEM、PCI、SMBIOS等资源。亲测在EFI SHELL下可用。

深度学习的四个学习阶段

机器学习领域是巨大的,为了学习不迷路,可以从以下列表帮助学习。它概述深度学习的一些学习细节。阶段1:入门级入门级能够掌握以下技能:能够处理小型数据集理解经典机器学习技术的关键概念理解经典网...

weixin_49393016的博客 451

老版QQ原生表情gif动态

这是老版的QQ表情,不过全是动态的的,Windows照片查看器是不会动的,可以右击用浏览器打开查看,再说一遍是老版的,只是分享给宁愿用老版也要动态的人。

NTscan扫描工具

ntscan是一个扫描器,可以扫描没有密码和弱密码的共享,先到配置文件中填写猜测的用户名和密码,扫描过程中右侧出现的是扫描日志。

AI入门必读:人工智能、机器学习、深度学习的区别,一篇文章带你搞懂!

文章以水果分类(水果→苹果→红富士)为比喻,通俗易懂地解释了AI、机器学习、深度学习的关系。人工智能(AI)是让机器像人一样思考的大概念;机器学习(ML)是AI的一种实现方式,通过数据让机器学习规律;深度学习(DL)是机器学习中的一种方法,用神经网络模拟人脑自主学习。三者形成三层嵌套的"洋葱结构",从目标到方法再到技术,层层深入。

WANGJUNAIJIAO的博客 2360

精雕软件(JDpaint) 5.5 绿色版

精雕软件(JDpaint) 5.5 绿色版精雕软件(JDpaint) 5.5 绿色版精雕软件(JDpaint) 5.5 绿色版

通用大模型训练过程必须经历的四个阶段!

以上4个阶段构成了完整的GPT模型训练的pipeline,从中可以看出训练大模型是一个非常艰巨的任务,例如对庞大算力资源的要求、对高质量语料数据的要求。另外,在训练大模型的时候一般需要基于一些优化框架,如DeepSpeed,这些工程化方面的任务也有不少坑。因此,对于一般的企业而言通常不建议自己训练基础大模型,如果必须进行私有化部署,可以根据实际情况选择一款开源大模型,如有必要可基于开源大模型进行微调,通过这个途径可以用比较少的投入来高效地落地大模型应用。

2301_78285120的博客 1万+

深度学习中的两阶段目标检测

目标检测作为计算机视觉中承上启下的一步,至关重要,可以说,实现了目标检测就实现了计算机视觉基本任务。目标检测急需要对物体进行识别,又要检测出物体的位置,难度较大,网络结构也层出不穷,在深度领域,从R-CNN到SPP-NET再到YOLO最后到SSD,可以说是百家争鸣,各有千秋。另一方面,目标检测应用非常广泛,例如生活中常见的人脸检测、车牌识别等;在自动驾驶领域,有行人识别、车道线识别;还有智能视频监控、机器人导航、飞机航拍等多种多样的应用。目标检测可以分解为两个步骤,

qq_59931372的博客 5598

系统盘点! 各类深度学习模型及原理!

本文非常系统全面的地梳理了各类深度学习模型的介绍及算法原理。1 正文深度学习方法利用神经网络模型进行高级模式识别和自动特征提取,近年来在数据挖掘领域成果显著。常用模型有除了基础的DNN,还有RNN、LSTM、GRU、CNN、Attention和Mix混合模型等。相较于复杂特征工程的机器学习,深度学习模型只需数据预处理、网络结构设计和超参数调整,即可输出预测结果。深度学习算法能自动学习时序数据中的模式和趋势,对复杂非线性模式有很好的表达能力。

m0_59235945的博客 2051
上一篇: 和导师的微信聊天翻车现场,你一定经历过
下一篇: 详细 | 图神经网络从入门到入门
机器学习算法那些事
博客等级 码龄9年 1633粉丝 62原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值