6、【李宏毅机器学习（2017）】Brief Introduction of Deep Learning（深度学习简介）
2018-08-28 19:27
363 查看
在上一篇博客逻辑回归基础上已经引出了神经网络（深度学习）的概念，在这篇博客中将进一步介绍时下如日中天的话题——深度学习。
目录
历史回顾
Three Steps for Deep Learning
类似机器学习的三步骤，深度学习同样按照这一逻辑分为三步骤：
step1
Fully Connect Feedforward Network
全连接神经网络是常见的神经网络连接方式，神经元之间全部连接。
神经网络通常表达为矩阵形式，因为在计算中会将矩阵传递给GPU进行加速计算
举例
举个例子，在训练模型之前应该人为地先设置神经网络结构（几层神经网络、每层多少神经元）。
step2
假设用神经网络进行分类，此时模型的选择标准和逻辑回归一样，
step3
利用Gradient Descent寻找最优模型，比如Backpropagation可以大大提高计算的效率。
为什么需要深度学习
随着神经网络层数的提高，模型得到不断的优化。
阅读更多
内容来自用户分享和网络整理，不保证内容的准确性，如有侵权内容，可联系管理员处理 
相关文章推荐
- [机器学习入门] 李弘毅机器学习笔记-7 （Brief Introduction of Deep Learning；深度学习简介）
- 9、【李宏毅机器学习（2017）】Tips for Deep Learning（深度学习优化）
- 李宏毅机器学习课程笔记2：Classification、Logistic Regression、Brief Introduction of Deep Learning
- 台大李宏毅Machine Learning 2017Fall学习笔记 (7)Introduction of Deep Learning
- 16、【李宏毅机器学习（2017）】Unsupervised Learning: Deep Auto-encoder（无监督学习：深度自动编码器）
- [机器学习入门] 李宏毅机器学习笔记-24（introduction of Structured Learning;结构化学习介绍）
- [机器学习入门] 李宏毅机器学习笔记-10 （Tips for Deep Learning；深度学习小贴士）
- 【李宏毅ML笔记】 10 Brief introduction of deep learning
- [机器学习入门] 李宏毅机器学习笔记-37 (Deep Reinforcement Learning;深度增强学习入门)
- 实时SLAM的未来及与深度学习的比较The Future of Real-Time SLAM and “Deep Learning vs SLAM”
- [深度学习论文笔记][Weight Initialization] Exact solutions to the nonlinear dynamics of learning in deep lin
- A Brief Introduction of Deep Learning
- 李宏毅机器学习自己的笔记（一）----------Introduction of MachineLearning
- 用500行Julia代码开始深度学习之旅 Beginning deep learning with 500 lines of Julia
- Coursera deeplearning.ai 深度学习习题1-1-Introduction to deep learning
- 深度学习DeepLearning.ai系列课程学习总结：1. 深度学习简介
- 深度强化学习（Deep Reinforcement Learning）入门：RL base & DQN-DDPG-A3C introduction
- 台大李宏毅Machine Learning 2017Fall学习笔记 (10)Tips for Deep Learning
- 下一代机器学习-在浏览器中训练深度学习模型Next Generation Machine Learning - Training Deep Learning Models in a Browser
- Coursera deeplearning.ai 深度学习笔记2-1-Practical aspects of deep learning-神经网络实际问题分析(初始化&正则化&训练效率)与代码实现