TensorFlow笔记1:深度学习基本概念
来源:互联网 发布:大学生遭遇网络诈骗 编辑:程序博客网 时间:2024/05/09 00:17
深度学习基本概念
结构
基石
- 线性回归:基于线性映射关系的数据,找到其中的映射关系。最基本,最简单。无法描述复杂关系,所以需要添加非线性的映射关系。
- 神经网络:将非线性的映射关系叠加起来。输入是一维信息,各个层级之间进行的是简单的代数运算。经过非线性激励,形成新的神经网络。
以上还没有涉及到深度学习的内容
发展
- CNN:使用卷积核代替原有的简单代数运算。主要应用于图像处理,卷积核属于二维运算单位。神经网络到CNN,从一维到二维,是空间上的转换。
- 目标检测
- 安防摄像头
- 自动驾驶
- 目标分类
- 人脸识别、物品识别、场景识别、文字识别。
- 增强学习:模仿人类学习的一种模型,不停收到外界传入反馈,生成决策。
- 围棋、德州扑克、自动游戏
- 对抗网络:生成网络+判别网络,无监督学习。生成网络,负责生成图片,判别网络,负责判断图片的质量。最后可以生成两个成型的module。这种网络不需要特别多的数据,而且可以产生数据。
- 无限数据
- 目标检测
- RNN:由于某些一维信息是有时间联系的,比如上下文关系。将前一刻的输出,作为下一刻的输入。通过持续递归的方式找到前后文之间的关系。但上一刻的信息不断递归的时候,会进行衰减。某些初始信息还非常重要,就需要一个记忆封存的结构。
- LSTM:在RNN的基础上,添加记忆封存结构GATE,会根据输入的信息判断哪些信息是需要提前记下来的。在后续处理的时候,可以选择不要的释放。
- LSTM卷积化
- 两者结合:
- 图片标注
- 看图说话
- 语句生成
- 自动翻译
- 只能对话系统
- 视频分类
- 视频搜索
- 图片标注
运算逻辑
- 线性回归:
- 梯度下降法
- 非线性激励
- 神经网络
- 神经元(线性运算+非线性激励)
- 卷积神经网络CNN(神经网络+卷积核)
- 一层到下一层会有很多个卷积核,每一个卷积核生成一张图片,所有图片叠在一起的厚度,就是卷积核的个数。
- CNN的局限性:
- 没有记忆,只对单张图片有效。
- 视频处理的时候,多帧动作关联,但是在CNN中,只能每一帧重新计算,无法学习前后关系。
- 递归神经网络RNN
0 0
- TensorFlow笔记1:深度学习基本概念
- [深度学习]tensorflow基本概念01
- TensorFlow 深度学习笔记
- [TensorFlow学习笔记1]TensorFLow的基本概念和基本使用
- 深度学习框架TensorFlow学习笔记(1)
- TensorFlow学习1--TensorFlow基本概念
- TensorFlow学习笔记:3、TensorFlow基本概念
- TensorFlow学习笔记(一):基本概念
- TensorFlow深度学习框架学习笔记(1)
- TensorFlow 深度学习笔记 TensorFlow实现与优化深度神经网络
- TensorFlow 深度学习笔记 TensorFlow实现与优化深度神经网络
- TensorFlow 深度学习笔记 TensorFlow实现与优化深度神经网络
- TensorFlow 深度学习笔记 TensorFlow实现与优化深度神经网络
- TensorFlow 深度学习笔记 TensorFlow实现与优化深度神经网络
- TensorFlow 深度学习笔记 TensorFlow实现与优化深度神经网络
- 【深度学习】Tensorflow学习笔记--MNIST
- 《白话深度学习与Tensorflow》学习笔记(1)深度学习框架、CNN、VC维
- TensorFlow深度学习笔记 Logistic Classification
- 页面nbsp,半角,全角空格显示问题
- [NODE之四]http模块练习2
- bzoj1812[Ioi2005] riv
- 第八届中国卫星导航学术年会(CSNC 2017)(会议注册通知)
- C#对象初始化器和集合初始化器
- TensorFlow笔记1:深度学习基本概念
- 信号采样点总结
- CentOS
- android布局中和用代码设置字体大小不一致的问题
- 网站突然报错:502 Bad Gateway
- nodejs的变量问题
- Skynet基础入门例子详解(3)
- 自动化如何处理动态验证码问题
- HDU 4985-Little Pony and Permutation(模拟置换)