一、深度学习总体介绍
深度学习总体介绍
知识结构
从传统到现在
未来进展
无人驾驶
无人超市
自动翻译
个人助手
图像识别
语音识别
深度学习应用特点
优点
- 学习能力强
- 覆盖范围广，适应性好
- 可移植行好，图片识别的例子可以应用到其他领域
缺点
-
计算量大，便携性差
-
硬件需求高
-
模型设计复杂
-
有可能被“hack”：
-
比如将下面左边不是真实物体的东西，识别成右边实际的东西
-
长于计算，弱于算计：
深度学习框架比较
TensorFlow介绍
TensorFlow的优点
- 文档丰富，适合初学者
- 安装非常方便
- 谷歌支持，长期有效
- 自动求导，只需关注模型设计
- Keras支持，方便迅速开发
深度学习基本概念
深度学习（Deep Learning）是利用多层神经网络结构，从大数据中学习现实世界中各类事物能直接用于计算机计算的表示形式（如图像中的事物、音频中的声音等），被认为是智能机器可能的“大脑结构”
Learning：让计算机自动调整函数参数以拟合想要的函数的过程
Deep：多个函数进行嵌套，构成一个多层神经网络，利用非监督贪心逐层训练算法调整有效地自动调整函数参数
简单地说深度学习就是：使用多层神经网络来进行机器学习