深度学习中常说的向量和表示

很多人把向量等同于表示，其实并不能完全等同。表示（representation）和向量完全不是一类概念。
表示（representation） = {向量，tensor，graph, etc}

特征向量空间是目标问题结构的表示空间，我们用一个向量空间中的向量去表示目标问题的结构特征，或者说网络提取的特征向量就是问题的表示，不同特征的问题被表示成不同的向量。网络将问题的结构映射到恰当的向量空间中就是完成了对问题的表示。

向量就是数学上的向量而已，定义了内积空间，有坐标系就有向量当做DL子领域的人说到representation的时候，绝大多数情况下都是没有具体数学定义的，语意层面的话，一般说representation的时候，我们实际上说的是在给定输入样本集合X的情况下，某个可以由X映射而来的向量在向量空间中的距离映射关系（或者条件概率分布）

深度学习中常说的向量和表示相关推荐

深度学习中的归一化方法总结（BN、LN、IN、GN、SN、PN、BGN、CBN、FRN、SaBN）
目录概要 Batch Normalization(BN) (1)提出BN的原因 (2)BN的原理 (3)BN优点 (4)BN缺点 Instance Normalization(IN) (1)提出IN ...
深度学习中，人们常说的鲁棒性和泛化性是什么意思？通俗的给你解释清楚，一看你就明白了。
在深度学习中,鲁棒性和泛化性都是评估模型质量的重要指标. 鲁棒性:指的是模型对于输入数据的健壮性,即模型在遇到各种不同的数据输入时,仍然能够保持高效的表现.一个鲁棒性强的模型能够在噪声.缺失数据或者其 ...
一文读懂深度学习中的矩阵微积分
点击视学算法标星,更快获取CVML新技术鱼羊编译整理量子位报道 | 公众号 QbitAI 想要真正了解深度神经网络是如何训练的,免不了从矩阵微积分说起. 虽然网络上已经有不少关于多元微积分和线 ...
yolo-mask的损失函数l包含三部分_【AI初识境】深度学习中常用的损失函数有哪些？...
这是专栏<AI初识境>的第11篇文章.所谓初识,就是对相关技术有基本了解,掌握了基本的使用方法. 今天来说说深度学习中常见的损失函数(loss),覆盖分类,回归任务以及生成对抗网络,有了目 ...
综述 | 深度学习中的优化理论
来源:运筹OR帷幄本文约5200字,建议阅读10+分钟. 展望未来研究趋势,拒绝做调参侠从我开始. 标签:人工智能神经网络的训练主要通过求解一个优化问题来完成,但这是一个困难的非线性优化问题,传统 ...
深度学习中的正则化技术(附Python代码)
作者:SHUBHAM JAIN 翻译:和中华校对:丁楠雅本文约3500字,建议阅读20分钟. 本文简单介绍了什么是正则化以及在深度学习任务中可以采用哪些正则化技术,并以keras代码具体讲解了一个 ...
「AI不惑境」深度学习中的多尺度模型设计
https://www.toutiao.com/a6716408071637172748/ 大家好,这是专栏<AI不惑境>的第七篇文章,讲述计算机视觉中的多尺度问题. 进入到不惑境界,就是 ...
「AI初识境」深度学习中常用的损失函数有哪些？
https://www.toutiao.com/a6695152940425937411/ 这是专栏<AI初识境>的第11篇文章.所谓初识,就是对相关技术有基本了解,掌握了基本的使用方法. ...
一文概览深度学习中的五大正则化方法和七大优化策略
深度学习中的正则化与优化策略一直是非常重要的部分,它们很大程度上决定了模型的泛化与收敛等性能.本文主要以深度卷积网络为例,探讨了深度学习中的五项正则化与七项优化策略,并重点解释了当前最为流行的 Ada ...

深度学习中常说的向量和表示

深度学习中常说的向量和表示相关推荐

最新文章

热门文章