廣州互聯(lián)網(wǎng)項目工作室seo外包公司怎么樣
一、深度學習概念
1、定義
通過訓練多層網(wǎng)絡結構對位置數(shù)據(jù)進行分類或回歸，深度學習解決特征工程問題。
2、深度學習應用
- 圖像處理
- 語言識別
- 自然語言處理
在移動端不太好，計算量太大了，速度可能會慢
eg.醫(yī)學應用、自動上色
3、例子
使用k最近鄰進行判斷時，背景主導是最大的問題，因為我們關注的是主體（主要成分）
二、神經(jīng)網(wǎng)絡基礎
1、線性函數(shù)
例如輸入一個小貓圖片，通過 f ( x , W ) f(x,W) f(x,W)得到每個類別的得分：
f ( x , W ) f(x,W) f(x,W)中每個像素點的權重參數(shù)不同：
10 10 10：10種分類
b b b：偏置項（微調(diào)操作）
w w w：權重參數(shù)
2、損失函數(shù)
正則化懲罰項：減輕某個及其突出特征的重要性
損失函數(shù)=數(shù)據(jù)損失+正則化懲罰項
3、Softmax分類器
我們關注屬于正確類別概率值，越接近于1，損失越小，因此用對數(shù)函數(shù)求損失值。
e x ex exp： e x e^{x} ex次方，用于放大映射
n o r m a l i z e normalize normalize：歸一化
L i L_i Li?：實際損失值
