一、深度学习概念
1、定义
通过训练多层网络结构对位置数据进行分类或回归,深度学习解决特征工程问题。
2、深度学习应用
- 图像处理
- 语言识别
- 自然语言处理
在移动端不太好,计算量太大了,速度可能会慢
eg.医学应用、自动上色
3、例子
使用k最近邻进行判断时,背景主导是最大的问题,因为我们关注的是主体(主要成分)
二、神经网络基础
1、线性函数
例如输入一个小猫图片,通过
f
(
x
,
W
)
f(x,W)
f(x,W)得到每个类别的得分:
f
(
x
,
W
)
f(x,W)
f(x,W)中每个像素点的权重参数不同:
10
10
10:10种分类
b
b
b:偏置项(微调操作)
w
w
w:权重参数
2、损失函数
正则化惩罚项:减轻某个及其突出特征的重要性
损失函数=数据损失+正则化惩罚项
3、Softmax分类器
我们关注属于正确类别概率值,越接近于1,损失越小,因此用对数函数求损失值。
e
x
ex
exp:
e
x
e^{x}
ex次方,用于放大映射
n
o
r
m
a
l
i
z
e
normalize
normalize:归一化
L
i
L_i
Li:实际损失值文章来源:https://www.toymoban.com/news/detail-612131.html
文章来源地址https://www.toymoban.com/news/detail-612131.html
到了这里,关于深度学习入门(一):神经网络基础的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!