1、AI的分类：

2、深度学习的应用：

3、案例研究-广告点击

QA:

1.深度学习的模型的可解释性是黑盒，业界都是比较关心的，但是确实是一个放弃的地方。为什么有效和可解释性并不是相同的。一个模型在一个什么上面有应用会有一个解释，什么样的模型会考虑空间、时间、是否工作的可解释性。

2.领域专家:举个例子，我们要做农业的识别，用无人机拍下来，得到的数据集需要领域专家来解释什么阶段长成什么样子，将需求提出来，也就是项目经理，甲方爸爸。

3.深度无法从数学规范上表示？并不是，具体用数学来解释为什么可以工作和为什么可以不工作是目前较难解决的一个问题。

4.符号学可以和机器学习融合吗?符号学在深度学习上已经有了进步，比如图模型。

5.mac支不支持pytorch？支持，但没有GPU，仅仅可以用CPU

6.自然语言处理还比较一般，不如在图片上做的好一些。

7.如何寻找自己领域的paper？在后面会分享自己的一些做法。

8.无人驾驶出现一次的问题会导致严重的后果，因此无人驾驶在错误率上特别重视，我们不会深入讲解这里，因此在无人驾驶中我们会对很多模型做一个预测，然后进行一种投票，再辅助一系列的传感器进行纠正，降低错误率，提高精度。

【Pytorch神经网络基础理论篇】 01 从零开始介绍深度学习算法和代码实现相关推荐

【Pytorch神经网络基础理论篇】 07 线性回归 + 基础优化算法
一.线性代数回归是指一类为一个或多个自变量与因变量之间关系建模的方法.在自然科学和社会科学领域,回归经常用来表示输入和输出之间的关系. 在机器学习领域中的大多数任务通常都与预测(prediction ...
机器学习深度学习算法及代码实现
原文地址:https://blog.csdn.net/qq_31456593/article/details/69340697 最近在学机器学习,学习过程中收获颇多,在此留下学习记录,希望与同道中人相 ...
【Pytorch神经网络基础理论篇】 08 Softmax 回归 + 损失函数 + 图片分类数据集
3.4. softmax回归回归可以用于预测多少的问题. 比如预测房屋被售出价格,或者棒球队可能获得的胜场数,又或者患者住院的天数. 事实上,我们也对分类问题感兴趣:不是问"多少" ...
【Pytorch神经网络基础理论篇】 06 自动求导+导数与微分
0.导数和微分 0.1逼近法在2500年前,古希腊人把一个多边形分成三角形,并把它们的面积相加,才找到计算多边形面积的方法. 为了求出曲线形状(比如圆)的面积,古希腊人在这样的形状上刻内接多边形,内 ...
【Pytorch神经网络基础理论篇】 04 线性代数
1.基本概念 2.线性代数的实现 2.1标量标量由只有一个元素的张量表示. import torchx = torch.tensor([3.0]) y = torch.tensor([2.0])x ...
【Pytorch神经网络基础理论篇】 03 数据操作 + 数据预处理
1.数组样例 2.数据操作(代码实现与结果截图) #首先导入torch,虽然被称为pytorch,但是我们应该导入torch而不是pytorch import torch #张量表示一个数值组成的数组 ...
【Pytorch神经网络基础理论篇】 02 pytorch环境的安装
1.要注重在真实数据上的模型动手能力 2.要学会给别人讲一遍,充分理解[最高境界] CSDN上有很多就不介绍了 3060+11.3CUDA+Pytorch避坑指南 - 知乎 https://zhuan ...
【Pytorch神经网络基础理论篇】 05 矩阵计算
QA: 1.梯度下降仅仅在凸函数中获得最优解,机器学习不关心确定性问题P,仅关心不确定性问题NP. 2.pytorh采用的是自动微分和计算图,不会再使用手动微分实现.
深度学习算法简要综述(上)
点击上方"算法猿的成长",关注公众号,选择加"星标"或"置顶" 总第 123 篇文章,本文大约 2300 字,阅读大约需要 7 分钟原文 ...

【Pytorch神经网络基础理论篇】 01 从零开始介绍深度学习算法和代码实现

1、AI的分类：

2、深度学习的应用：

3、案例研究-广告点击

【Pytorch神经网络基础理论篇】 01 从零开始介绍深度学习算法和代码实现相关推荐

最新文章

热门文章