深度学习 基本概念

理解这25个概念,你的「深度学习」才算入门!

http://www.sohu.com/a/142551924_390227

深度学习入门必须理解这25个概念

https://blog.csdn.net/pangjiuzala/article/details/72630166

了解深度学习

什么是深度学习?

定义一个深度学习模型,通常需要解决3个问题:
1)激活函数,也就是先对于输入神经元的激活值。一般的有 logistic 、tanh、以及ReLU。
2)代价函数。一般学习过程都是优化问题。代价函数一般采用欧式距离。
3)优化策略。最简单的用梯度下降。

深度学习Deep Learning(01)_CNN卷积神经网络

卷积

人工智能、机器学习和深度学习的区别?

神经网络

https://www.bilibili.com/video/av15997678/?p=9

  • 训练时,若判断错误,则激活的神经元变得不那么敏感,没激活的神经元更敏感。
  • 在隐藏层只有两三层时,激活函数影响不大。当隐藏层多的时候,激活函数要慎重选择,选择错误会造成梯度爆炸/梯度消失
  • 在卷积神经网络中,推荐relu

各种优化方法

http://www.sohu.com/a/149921578_610300

GAN

https://www.youtube.com/watch?v=yYUN_k36u5Q

  • 训练评估模型与生成模型
    纠正评估模型,同时让评估模型指导生成模型的生成

过程:先让初始生成模型生成一组,再与样本数据合在一起让初始判别模型判断,并得到判断的准确性的评估。让这个评估作为反馈,进行BP,让生成模型和判别模型都反馈学习。

你可能感兴趣的:(深度学习 基本概念)