刘二大人 PyTorch深度学习实践 笔记 P1 Overview

刘二大人 PyTorch深度学习实践 笔记 P1 Overview

  • 课程 基于PyTorch深度学习框架学习的实践课程
  • 目的:
    • 1、掌握PyTorch技能
    • 2、理解深度神经网络
      • 主要讲实践,不会讲太多推导的东西
    • 3、视频链接:https://www.bilibili.com/video/BV1Y7411d7Ys?spm_id_from=333.999.0.0&vd_source=98cd69d3a65d8889ab015a48344b5e3e
  • P1 Overview
    • 1、版本PyTorch 0.4
    • 2、推理与预测
    • 3、基本概念:人工智能与机器学习
    • 4、算法及其发展
    • 5、好消息:

课程 基于PyTorch深度学习框架学习的实践课程

目的:

1、掌握PyTorch技能

2、理解深度神经网络

主要讲实践,不会讲太多推导的东西

3、视频链接:https://www.bilibili.com/video/BV1Y7411d7Ys?spm_id_from=333.999.0.0&vd_source=98cd69d3a65d8889ab015a48344b5e3e

P1 Overview

刘二大人 PyTorch深度学习实践 笔记 P1 Overview_第1张图片

1、版本PyTorch 0.4

版本 PyTorch 0.4

原因: 版本基本用的都不是最新的,任何一个事物的发展都会有一个发展曲线。
应用发展期技术主要两个风险:

  1. 迭代速度很快
  2. 未来可能会消失
    所以企业基本都是使用应用期的技术,高校教授的课程也是如此,虽然不是最新的,但是很多基础性的内容不会发生太多变化。
自己要学会一个重要的能力:学会看文档

2、推理与预测

例子
推理:获取外部信息的输入 ==> 来进行推理
刘二大人 PyTorch深度学习实践 笔记 P1 Overview_第2张图片
Q: 中午吃什么? => 考虑因素:还有多少钱 and 个人偏好 => 推理
Q: 疫情在家中午吃什么?=> 家长做什么,就吃什么
刘二大人 PyTorch深度学习实践 笔记 P1 Overview_第3张图片
Q: 今天穿什么(高中 )? => 只能穿校服
Q: 今天穿什么(约会 )? => 穿漂亮的衣服

预测:把视觉上的接收到的信息转化为抽象概念
刘二大人 PyTorch深度学习实践 笔记 P1 Overview_第4张图片
看到这样一个照片Image 与 一个抽象的概念 “猫” 联合起来

3、基本概念:人工智能与机器学习

人工智能: 算法来替代人脑对视觉信息进行处理的过程
刘二大人 PyTorch深度学习实践 笔记 P1 Overview_第5张图片
机器学习: 一般常用的都是监督学习(拿出一组带有label的数据集,知道每一个图片的答案,建立模型,对模型进行训练,最终得到算法)

刘二大人 PyTorch深度学习实践 笔记 P1 Overview_第6张图片

4、算法及其发展

算法课的思维方式(人工设计一套算法):

  1. 穷举 列举所有的可能,选择正确的
  2. 贪心 每一步都选择当前最好的选择(梯度下降)
  3. 分治 一分为二 快排
  4. 动态规划

机器学习的算法: 不是人工算出来的,而是根据数据集把想要的算法找出来,这就是一个机器学习的过程,模型 - 训练 - 验证,如果好用的话,就可以部署了(基于统计的方法)
表示学习: 提取特征更好表示数据集(浅层)
深度学习: 感知机 神经网络 卷积神经网络等(业内应用、研究领域都比较热门)
刘二大人 PyTorch深度学习实践 笔记 P1 Overview_第7张图片
早期基于规则: 输入,人工设计,输出
刘二大人 PyTorch深度学习实践 笔记 P1 Overview_第8张图片

经典机器学习: 手工进行提取特征建立向量,与输出建立一个映射
在这里插入图片描述
传统表示学习: 特征提取器,学习期(分开进行),输出 (SVM Family)
深度学习(端到端): 简单特征,设计额外的层提取特征(监督学习),接入到学习器(神经网络),输出
刘二大人 PyTorch深度学习实践 笔记 P1 Overview_第9张图片

维度诅咒
Q: 维数增加,数据需求量增大
A: 降维
eg: n维→3维 找到3n的矩阵即可
[ ] = [ ] [ ]
3
1 3n n1

SVM的缺陷:

  1. 手工设计特征的限制
  2. 处理大数据效果不是很好
  3. 越来越多的无结构数据(图像、声音等)

神经网络 来源于神经科学(哺乳动物 获取特征的过程是分层的)
刘二大人 PyTorch深度学习实践 笔记 P1 Overview_第10张图片
感知机: 信号加权求和输出(仿生学的算法) => 人工神经网络: 其中最重要的一个算法反向传播(求偏导数)

刘二大人 PyTorch深度学习实践 笔记 P1 Overview_第11张图片
核心: 计算图 先进行正向计算(前馈),损失函数到原子计算偏导
刘二大人 PyTorch深度学习实践 笔记 P1 Overview_第12张图片

学会构建模型的套路,学会基本块怎么用,最后根据自己的需求构建自己的模型

5、好消息:

  1. 深度学习不难,一年能上手
  2. 算法可以用框架来直接实现的
  3. 算法可以使用GPU,很快很高效
  4. 提供了大量的卷积的模块
  5. 流行的框架:TensorFlow PyTorch

你可能感兴趣的:(刘二大人,PyTorch深度学习实践,深度学习,pytorch,人工智能)