Q1697354625

但我们不难发现，猫是负的分，狗和船是正的分，明明是一只猫，但得到的结果却是负分，继而错误的将图片判断为狗了。像素点拿到以后，进行三分类，粉红色为第一组W1，绿色为第二组W2，灰色为第三组W3，即cat，dog，ship。假设把猫这张图片分成四个像素点，分别为：56、231、24、2（实际应该是三维的，因为还有颜色通道的维度，这里简化成二维）。损失函数既能做分类，也能做回归，做的事情很多，唯一的区别就是损失函数如何定义的。对于如上图例子，第一张图片car的得分最高，将猫的图片错误的判断成了车，因此做的不好。

每个像素点的重要性都不一样，比如眼睛这个像素点对判断这个是猫起了促进的作用，背景这个像素点对判断这个是猫起了抑制的作用。因此深度学习需要大量的遮蔽类的数据作为依据，用来判断之后的图片是不是遮蔽的，这就是深度学习最需要的东西。k=3时，算最近的三个像素块，哪个多绿点就变成哪个，因此绿色的点属于三角。因此在设计算法时，应该注重哪里是主体，哪里是边框或者背景。有几张将车识别成了马，可以发现有些类别做的好，有些类别做的不好，所以存在问题。K=5时，范围内临近的方块变多，因此k=3与k=5结果是不一样的。

一、图像识别相关问题二、自然语言处理问题三、语音识别与合成问题一、医疗保健领域二、交通领域三、金融领域四、娱乐领域