深度学习原理与应用笔记
来源:互联网 发布:c语言考研题库 编辑:程序博客网 时间:2024/06/03 14:55
1绪论
如何开展深度学习的研究和应用开发
假设所有的操作都在配置好的Caffe根目录下执行:
- 准备数据
- 下载Caffe中已有模型
- 修改网络结构
- 加载已有模型训练自己的数据
- 调整学习率的完整过程:首先固定一个学习率的值,然后训练模型,直到验证准确率不再上升,可以尝试将学习率降低继续训练,反复调整学习率的值,直至训练出一个较好的深度模型。
2国内外深度学习技术研发现状及其产业化趋势
- Google TensorFlow TPU(Tensor Processing Unit) 据说TPU是GPU性能的10倍。
- Facebook 深度学习平台Torchnet 自然语言理解引擎DeepText。
- 百度 基于深度学习CNN-RNN的光学字符识别流程。针对在线广告,开发了DANOVA算法。以图搜图,语音识别DeepSpeech。深度学习平台MXNet,语音识别系统呢Wrap-CTC。
- 阿里巴巴 拍立淘 阿里小蜜
- 京东 客服机器人JDIMI
- 腾讯 深度学习平台Mariana DNN CNN Cluster
- 旷世科技Face++ 北京旷视科技有限公司是一家专注机器视觉和人工智能的极客技术公司,打造领先的人脸识别,图像识别,和深度学习技术服务云平台。旷视科技将致力于“先让机器看懂世界,再让机器真正思考”。
- Linkface Sensetime(商汤科技) 合并
3神经网络
激活函数 sigmoid 双曲线正切
神经网络结构比较复杂,容易造成过拟合,或者在误差后向传播的过程中产生梯度弥散现象。
后向传播算法
sigmoid
函数:f(x) = 1 / (1 + exp( − x))
导数:f(x)’ = f(x)(1 − f(x))
0 0
- 深度学习原理与应用笔记
- 《深度学习原理与TensorFlow实践》学习笔记(一)
- 《深度学习原理与TensorFlow实践》学习笔记(二)
- 《深度学习原理与TensorFlow实践》学习笔记(三)
- 《深度学习原理与TensorFlow实践》学习笔记(四)
- RNN,LSTM深度学习模型原理与应用
- 《COM 原理与应用》学习笔记
- COM原理与应用学习笔记一
- 《COM 原理与应用》学习笔记[zz]
- 《COM 原理与应用》学习笔记
- 《COM 原理与应用》学习笔记
- COM原理与应用学习笔记一
- 《COM 原理与应用》学习笔记
- 《COM原理与应用》学习笔记
- 七月算法深度学习 第三期 学习笔记-第四节 深度学习框架与应用
- 《COM 原理与应用》学习笔记 - 第一部分 COM原理
- COM原理与应用学习笔记(二章)
- COM学习笔记(四)IDispatch接口原理与应用
- 两道面试算法题
- 微信小程序开发中常见问题及解决方法
- 一次net::err_connection_reset的过程记录
- 字符串扩展
- 用HashMap和双链表实现多线程下的LRU缓存算法(java版)
- 深度学习原理与应用笔记
- 二分查找
- 边框,背景属性
- 【cocos2d-js官方文档】十七、事件分发机制
- 输出某段区间内的所有素数
- Deep LSTM siamese network for text similarity源码分析
- DAY4学习笔记
- 安卓实现上传文件到服务器(转)
- 函数重载的实现原理