【deep learning】入门总结1-----深度学习概述

好久好久没有写博客了，由于做的事情越来越多，这个学期的信息量好大，都不想整理，不想总结了，但是不总结是不对的，这些知识是吃不下的。从今天开始，还是把纸上的写下来的资料总结一下吧。4月17日，我胡汉三又回来了~

关于深度学习的入门学习，我主要是通过看红色的石头的吴恩达深度学习专项课程博客专栏学习的深度学习入门，外加阅读了XXX

关于《吴恩达深度学习专项课程》，概述部分提出了这么几个问题:

　　what is neuron?

　　 Andrew Ng 使用了ReLu函数（Rectified Linear Unit）用于拟合（fitting）房价和房屋大小的关系，提出：ReLu函数就是一个neuron。

 

 

　　what is neuron network? （NN）

　　下图从左到右分别是input layer hidden layer 和 output layer

 

 　　Why does deep learning take off?

　　　在数据量不大的时候，例如上图中左边区域，深度学习模型不一定优于传统机器学习算法，性能差异可能并不大。随着数据量的增多，DL表现优异，上限高。

　　　之所以DL表现的这么好是因为Data,computation，algorithm。数据量增大，GPU计算力增强，以及算法的大大提升。

　　

 

 

 

　　

转载于:https://www.cnblogs.com/SsoZhNO-1/p/10722096.html