百度飞桨心得Final——总结

不知不觉,百度飞桨深度学习21天的课程,已经接近尾声了。
俗话说的好:师傅领进门,修行看个人。

在这次课程之后,我说不上对深度学习,机器学习了解了多深。但这次课程是一次敲门砖,带我走进了ML,DL的大门,了解到了这个领域是怎么运作的,对具体知识的要求,以及——数学的美

在这里我想总结一下本课程的主要内容,分享给大家,同时便于自己日后翻看。

本次课程总共有4个模块。

①零基础入门深度学习

实践项目:波士顿房价预测

这个项目可以看作是机器学习界的“hello world”
通过这个项目,我了解到了机器学习,一般分为五个步骤。

①数据处理
②模型设计
③训练配置
④训练过程
⑤模型保存

百度飞桨心得Final——总结_第1张图片正是由于代码步骤的通用性,所以百度飞桨这个框架才有了用武之地。

②一个案例吃透深度学习

实践项目:识别手写数字

这个项目,加深了我对

  1. 数据处理
  2. 网络结构
  3. 损失函数

的认识。

我知道了数据处理也是很重要的一个环节,如果数据不能转换成你的框架能识别的格式,那后面的模型都是无用功了。

我也知道了损失函数不止有均方误差这种。
对于分类问题,最好用交叉熵这种损失函数。
学到这里,我不禁感叹数学的美妙。这里是数学运用在实际问题中的最好体现。

③计算机视觉

实践项目:眼疾数据集识别

在这个课程中。我对如下知识有了进一步的理解

  1. 卷积神经网络:卷积,池化
  2. 激活函数ReLU,Sigmoid
  3. 批归一化
  4. 四个图像分类的模型:AlexNet, VGG, GoogleNet, ResNet

这里用到的卷积是离散形式下的卷积,对应位置作积再相加。和线性代数中矩阵乘法的运算十分相似。

如果对卷积想有深入的了解,可以关注我日后将会发布的卷积专题。

激活函数ReLU,Sigmoid则是一种关于筛选的两个函数。通过学习这两个函数,相信你会体会到筛选的美妙。

如果对这两个函数想有深入的了解,也可以关注我日后将会发布的该专题。

④目标检测——以yolo3为例

实践项目:AI识虫
这个课程顾名思义,可以进行目标检测。即在一张图片中找到我们所需要的目标。
这是一个比较复杂的网络结构。
待更…

路漫漫其修远兮,吾将上下而求索…

你可能感兴趣的:(百度飞桨学习笔记)