深度学习算法入门笔记

(摘自：深度学习课程 from CDA)

1. 简介：什么是深度学习？

1.深度学习只是神经网络算法中的一个部分。
2.深度学习的算法早就已经存在，但是一直不温不火，直到2012年imaginet获得大奖，超过第二名十几个百分点的准确率。
3.现在的数据已经是大数据，而且计算机速度和容量可以进行计算。

4.深度学习能做什么？

• 深度学习可以看到真实的事件。

• 以下的这些字母是深度学习程序写的：

  
  
  

• 无人驾驶汽车：特斯拉的汽车已经可以做到半自动化驾驶了

• 背景风格

  
  
  

---

颜色通道RGB: 黑白，灰色，彩色
长：300，宽：100，3：颜色通道：3(彩色）
像素值从0~255，0代表最暗，255代表最亮。
这张图：300 1003=90000，这张图像有9万个像素点。

面临的挑战：

---

很多时候并不是说算法有多厉害，而是特征提取，是否能提取到合适的有用的特征。传统的算法在提取特征的时候比较头痛。

而深度学习：告诉网络我们想要做什么，然后这个网络自己去思考然后提取特征。并不是我们人为提取特征的。

常规套路：
1.手机数据并给定标签：比如这里把猫、狗的数据给准备好，标签做好，是猫还是狗
2.训练一个分类器：判断出来是狗呢还是猫呢 还是帽子呢？
3.测试，评估：当我们分类结束之后，要检查我们分类分的好不好。

---

2. 介绍一些深度学习中需要用到的必备的算法

1）K-近邻：

比如A类有10个点，B类有100个点，我们可以给予不同的权重项，否则K=5的话，可能里面会有更多个B类的点。