网站建设的利益分析,南京科技网站设计费用,自己做免费网站的流程,企微管家今日听闻师姐说pytorch实现深度学习要比keras更好用一些#xff0c;特此记录
Part 0. 机器学习 与 深度学习 的联系与区别
参考B站视频链接
联系
深度学习是机器学习的分支#xff0c;人工神经网络为基础#xff0c;对数据的特征进行学习的方法
区别
特征抽取
机器学…今日听闻师姐说pytorch实现深度学习要比keras更好用一些特此记录
Part 0. 机器学习 与 深度学习 的联系与区别
参考B站视频链接
联系
深度学习是机器学习的分支人工神经网络为基础对数据的特征进行学习的方法
区别
特征抽取
机器学习 是 人工对数据的特征进行抽取 深度学习 是 计算机根据所有所给特征对数据特征进行抽取
数据量 与 效果
机器学习 所需数据量少拟合效果并不一定好应用场景有限 深度学习 所需数据量大拟合效果较好应用场景广
一个理解深度学习的比喻
深度学习好像让一群盲人摸象最后根据所有盲人获得的信息来推测出这是一个大象。
深度学习的应用场景
图像识别
物体识别、场景识别、人脸检测跟踪、人脸身份认证
自然语言处理技术
极其翻译、文本识别、聊天对话
语音技术
语音识别等
常见深度学习的python包
tensorflow 古典包 Keras 基于tensorflow构建的语法框架更实用 PyTroch 目前主流和Keras比较相似 Caffe2,Theano,Chainer,DyNet,MXNet, CNTK等等
Part 1. 常见激活函数
sigmoid逻辑回归
tanh: 三角函数tan(x) Relu max(0,x) Leaky Relu : max(0.1x,x) maxout
【没看懂待填】
ELU
