1 深度学习要解决的问题
怎么样提特征
2 应用领域
(1)无人驾驶,
计算机视觉
(2)人脸识别
移动端-计算量太大,速度慢,卡。
参数:成千上百万的。
(3)医学
(4)变脸
(5)图像自动上色
有监督的问题,
3 计算机视觉任务
1 分类:
挑战:照射角度,形状改变,部分遮挡,背景混入
套路:收集数据给定标签,训练分类器,测试评估
(1)K近邻算法
- 不适合作为分类的算法。
4 视觉任务中遇到的问题
- 背景相同的放到一起了,关注的是主体。
5 得分函数
6 损失函数
w权重矩阵,是优化来的,什么样的w适合做当前的人物。
损失函数既能做分类又能做回归的。
衡量分类的结果。
损失函数是怎么定义的,网络是不会变的,不同的任务损失函数是不一样的。
7 前向传播整体流程
缺点过于强大了,否则过拟合了。
8 返向传播计算方法
1 梯度下降
9 神经网络整体架构
找参数,
11 神经元个数对结果的影响
12 正则化和激活函数
1 正则化
2 激活函数
非常重要
13 神经网络过拟合解决办法
1 数据预处理
2 参数初始化
3 DROP-OUT-七伤拳
文章来源:https://www.toymoban.com/news/detail-644475.html
视频
https://www.bilibili.com/video/BV15t4y1G7kq?p=14&vd_source=5c9c50b5a07b211beafdf65d7cc7f8c8文章来源地址https://www.toymoban.com/news/detail-644475.html
到了这里,关于深度学习基础知识笔记的文章就介绍完了。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!