Pytorch Deep Learning Practice - 1 - Overview

Lien vidéo du cours

Période de développement》Période glaciaire》Période d'application

Cadre+Apprentissage profond+Théorie des probabilités+Algèbre linéaire+python

Intelligence humaine


Image à concept abstrait

Intelligence artificielle

Superviser l'apprentissage

La classe d'algorithmes définit l'algorithme à l'avance , L'algorithme d'apprentissage profond par machine est dérivé des données

Base de connaissances sur les règles 》Apprentissage automatique》 Peu profond pour l'apprentissage 》 La profondeur représente l'apprentissage

Apprentissage fondé sur des règles


Apprentissage automatique, Extraction manuelle des caractéristiques , Fonction de cartographie des vecteurs et des sorties

Apprentissage profond peu profond , L'extraction des caractéristiques doit également pouvoir être apprise

Malédiction dimensionnelle,Plus de dimensions, Plus la quantité de données est importante


Cartographie aux basses latitudes ,Dimension réduite, Vérifier la réduction de la quantité de données
Apprentissage profond, Prenez d'abord les caractéristiques les plus superficielles , Comme les pixels , Caractéristiques d'extraction de couches supplémentaires

Fondé sur des règles

Retour,Classification,Regroupement,Dimension réduite

Pas de données structurelles

Réseau neuronal


Selon le signal de décharge , Extraction peu profonde des caractéristiques générales , Extraction profonde de caractéristiques spécifiques

Perceptron

Propagation vers l'avant et mise à jour vers l'arrière , Lors de la propagation vers l'avant du calcul , Le Gradient du noeud courant et le calcul incidemment , Gradient combiné de multiplication directe et d'addition en Rétropropagation , Construire des diagrammes de calcul très complexes



Amélioration du modèle

Clarifier les principes qui sous - tendent , Définir les blocs de base ,Et les assembler, Comment ça a été conçu , Plus important que comment

Algorithmes+Données+Puissance de calcul

Cadre+Langues+Mathématiques

Diagrammes statiques et dynamiques précédemment comparés

Pytorch

Flexibilité

Installation