day4-深度学习介绍与反向传播机制心得体会知识解析

心得体会

李宏毅老师本次讲解了深度学习的入门，遵循机器学习的三大步骤：神经网络、模型评估、选择最优函数。随着中间使用层数的增加，引入了普遍性定理来解决相关问题，介绍了一种高效的梯度计算方法：反向传播

在这里感谢datawhale开源社区的小伙伴们给予的学习帮助，今后的学习也要一样加油呀

提示：以下是本篇文章正文内容

知识解析

一、三大步骤

• Step1：神经网络（Neural network）
• Step2：模型评估（Goodness of function）
• Step3：选择最优函数（Pick best function）

二、深度的理解

那什么叫做Deep呢？Deep = Many hidden layer。那到底可以有几层呢？

随着层数变多，错误率降低，随之运算量增大，通常都是超过亿万级的计算。对于这样复杂的结构，我们一定不会一个一个的计算，对于亿万级的计算，使用loop循环效率很低。

三、问题解析

神经网络多少层？ 每层有多少神经元？
这个问我们需要用尝试加上直觉的方法来进行调试。对于有些机器学习相关的问题，我们一般用特征工程来提取特征，但是对于深度学习，我们只需要设计神经网络模型来进行就可以了。对于语音识别和影像识别，深度学习是个好的方法，因为特征工程提取特征并不容易。

结构可以自动确定吗？
有很多设计方法可以让机器自动找到神经网络的结构的，比如进化人工神经网络（Evolutionary Artificial Neural Networks）但是这些方法并不是很普及 。

我们可以设计网络结构吗？
可以的，比如 CNN卷积神经网络（Convolutional Neural Network ）

参考资料：

机器学习视频：https://www.bilibili.com/video/BV1Ht411g7Ef

最后

以上就是高兴薯片为你收集整理的day4-深度学习介绍与反向传播机制心得体会知识解析的全部内容，希望文章能够帮你解决day4-深度学习介绍与反向传播机制心得体会知识解析所遇到的程序开发问题。

如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。