台大李宏毅Machine Learning学习笔记(七)——深度学习(Deep Learning)简介

本文介绍了李宏毅教授的Machine Learning课程中关于深度学习的内容,包括深度学习的发展历程、基本步骤、神经网络结构和计算过程,以及手写识别案例。通过图示解析了各层神经网络的工作原理,探讨了损失函数和梯度下降等关键概念。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

  深度学习发展历程:
图1

图1 深度学习发展历程

图2
图2 深度学习的步骤
  深度学习的三个步骤和前面机器学习几乎一样,讲起来比较简单,就像把大象放进冰箱的三个步骤一样:第一步打开门;第二步把大象放进去;第三步关门。但是做起来会遇到各种各样的问题。
  第一步里面的函数其实就是神经网络,在上一讲的最后说过,神经网络其实就是逻辑回归单元的级联,
图3
图3

图3 神经网络
  神经元之间连接方式需要人工拟定,最常见的方式是前馈全连接网络(Fully Connect Feedforward Network)。如上图,可以根据每一层的权重计算输出,如果没有给出权重,只给出了框架,那么就搭建了一个函数集。

图4

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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