title: 动手学习深度学习
date: 2019-09-05 21:17:07
tags:
一、深度学习介绍
1.深度学习在视觉的应用
- 图片分类
- 物体检测和分割
- 样式迁移
- 人脸合成
2.在自然语言处理的应用
- 机器翻译
- 文本生成
- 问答
3.其他应用
- 图片文字生成
- 下棋
- 机器人手臂控制
- 无人驾驶
二、今日主题
- 分类
- 回归
- 检测
三、工具
- Python
- jupyter Jupyter Notebook(此前被称为 IPython notebook)是一个交互式笔记本,支持运行 40 多种编程语言
- MXNet MXNet 是亚马逊(Amazon)选择的深度学习库,并且也许是最优秀的库之一
四、数学基础
(一)线性代数
1) 标量
- c=a+b
- c=a.b(乘法)
- c=sina
- |a|
- |a+b|<=|a|+|b|
- |a.b|=|a||b|
2) 向量
- c=a+b
- c=a.b
- aTb
3)矩阵
- C=A+B
(二)高等数学
- 微积分-》求导
- 向量的倒数
(三)线性模型
知道如下几个概念


五、一些概念
1.梯度下降(计算极小值的一种方法,当梯度为0时,取得最小值)

2.学习率的取舍

3.回归到多类分类




六、多层感知机
- 单层网络

- 单层隐藏



- 多层分类
- 多层隐藏

本文全面介绍了深度学习在视觉、自然语言处理等领域的应用,包括图片分类、机器翻译、文本生成等。深入探讨了分类、回归、检测等核心主题,以及Python、Jupyter Notebook和MXNet等工具的使用。同时,文章覆盖了线性代数、微积分等数学基础,以及梯度下降、多层感知机等关键概念。
757

被折叠的 条评论
为什么被折叠?



