您好,欢迎来到贵港市糖果派对-金沙糖果派对官方网站科技有限公司

您当前的位置:首页 > 新闻中心 > 行业行动

深度学习,从「框架」开始学起

发布者: 金沙糖果派对官方网站发布时间:2020-08-10

目前当红的人工智能(Artificialintelligence,AI)主要探讨在深度自学(DeepLearning,DL)领域,想要自学深度自学技术的人,第一步一般来说不会遇上一大堆框架(Framework)却知道如何自由选择,而到底什么是框架?框架如何用来回应模型?哪些才是主流框架?本文将不会原始告诉他你,帮助找到最合乎自己市场需求的框架。何谓深度自学框架?深度自学非常简单示意图大家都告诉只要打算一张纸和一只笔,再加源源不断的启发,就能将点子转化成文字,创作出有一篇令人感动的文章。

但现在手写创作的人越来越少,不得已搭配一项电子书写出(数字传达)的工具来创作。以Windows举例,有可能用的是NotePad(笔记本)、Word或PDFEditor,如果是学术文学创作的人有可能较常用的是Latex,在网页上创作则有可能是Html。文章的优劣并会因为工具的转变而有所不同,却不会影响文学创作效率以及印刷美观,转变读者对这篇文章的评价。

糖果派对

虽然文章内容(基本元素)可只能的在有所不同工具中切换,但遇上字体格式、图片、公式等类似印刷市场需求时,有可能经常出现档案转不过去等问题,同时无法用来传达音乐、影像、视频。在解决问题深度自学的问题中,较少见的所谓时序性识别问题,以及时序性的分析或预测问题。

金沙糖果派对官方网站

为了便利传达模型(Net/Model)的结构、工作训练以及假设流程,因此产生了框架,用来准确传达深度自学的模型,就像在Windows上写文章必须有NotePad、Word等,编辑影音内容要有威力编剧、AfterEffect等一样。因此,许多学术单位、开源社群甚至Google、Microsoft、Facebook这类著名大公司也争相发售自家的框架,以保证在这场AI大战中能占据一席之地。

而有另一派人马,想产生另一种可只能并转成各家的框架,例如微软公司的Word可以另存网页档(*.html)、可携式文件格式(*.pdf)、显文本档(*.txt)等。在讲解各家框架前,再行来认识一下深度自学的模型到底用了哪些元素?就像玩乐低积木前,要再行告诉有哪些模块能用,先前在自学各个框架的回应语法时才会一头雾水。少见深度自学模型讲解首先讲解两个较知名的模型,还包括非时序性的卷积神经网络(CNN)LeNet-5[1]以及时序性的迭代神经网络(RNN),便利解释模型中常用到的元素与流程,如何用深度自学框架来回应。卷积神经网络(CNN)图一卷积神经网络(CNN)LeNet-5[1](图一)为最著名的卷积神经网络LeNet-5,主要是用来识别手写数字(MNIST数据库),输出为一张8bit灰阶32×32像素的影像,而输入为十个节点,分别回应影像为十个数字的机率,这个模型完全是所有研究深度自学的入门起手式。

目前再行不说明这个模型为何能学会识别图像,而是全然就模型构成以及回应方法来展开解释。首先,解释卷积特征图C1层,C1层上的红点,是由输出层(INPUT)红色板(5×5个像素)乘以5×5的卷积核加总后而得,依序由输出影像的左至右、下至下分享一个卷积核展开卷积,一次移动一个像素(Stride=1),如此才可产生一张特征图,而C1层分享了六组卷积核,因此产生六张28×28像素的特征图。忘了将影像展开池化,较少见的方式就是把邻接四点(如图一绿色板右图)中仅次于的点当作新点,称作MaxPooling,同时把影像长方形都减至一半,沦为S2层。

接下来,对S2层以16两组3×3卷积核展开卷积,产生C3层,共计16两组10×10像素的特征图。某种程度地再行对C3层展开池化产生S4层,变为16两组5×5像素的特征图,最后再以16两组5×5卷积核把S4层的16个特征图卷积变为16个输出点,再行以传统仅有链接神经网络展开链接。

金沙糖果派对官方网站

本文来源:糖果派对-金沙糖果派对官方网站-www.artpeoplemake.com

返回首页


下一篇:糖果派对:监狱安防:“心防”“技防”“人防”一个都不能少 上一篇:糖果派对-金沙糖果派对官方网站|大跌后市场趋于平稳,继续专注在强势币的摇篮里