一天搞懂深度学习--学习心得

1.par*weight ->加上bias ->通过激活函数(activation function)->使得参数o(斯塔)最优化->在测试集中做出预测
2.learning target
   loss   与target的偏差
   total loss
3.如何学习
   梯度下降法  不断修正o
       首先随便找一点,根据曲线的斜率,逐渐向最低处(最优解)的地方走  ps:只能找到局部最优解
       caffe之类的软件可以帮助算斜率之类 得到以上的过程
4.应用
  图形辨识 垃圾信息过滤 分类文件
5.why DeepLearning?
   计算的层数越多,错误率越低,但是不可能不断加大计算的层数 于是
   modularization  先找最明显的特征 之后的每一层再以上一层为module去build classfier
   each basic classifier can have sufficient training examples.
免责声明:信息仅供参考,不构成投资及交易建议。投资者据此操作,风险自担。
如果觉得视频对你有用,请随意赞赏收藏
瞅啥瞅 1317246517 2人赞赏收藏
相关推荐
登录后评论
最新评论 (1)
Copyright © 2017 宽客在线 京ICP备15046776号