【原创 深度学习与TensorFlow 动手实践系列 - 2】第二课:传统神经网络
第二课 传统神经网络
《深度学习》整体结构:
线性回归 -> 神经网络 -> 卷积神经网络(CNN)-> 循环神经网络(RNN)- LSTM
目标分类(人脸识别,物品识别,场景识别,文字识别),目标检测(安防,自动驾驶),视频分类(视频检索),语句生成(自动翻译,智能对话)
提纲:
1. 神经网络起源:线性回归
2. 从线性到非线性
3. 神经网络的构建
4. 神经网络的“配件”
期待目标:
1. 了解从线性到非线性回归的转化
2. 明白如何构建神经网络,了解不同激励函数的区别联系
3. 掌握“配件”对神经网络性能的影响(损失函数 Cost,学习率 Learning Rate,动量,过拟合),会“调参”
4. 明白本节所有的“面试题”
线性回归:
1. 概念:线性关系来描述输入到输出的映射关系
2. 应用场景:网络分析,银行风险分析,基金股价预测,天气预报
线性回归:
一个线性回归问题
目标方程:y = ax1 + bx2 + cx3 + d
参数: m = [a, b, c, d]
数据:[(x1,1, x2,1,x3,1), (), (), ()]
预测:yt = ax1,t + bx2,t + cx3,t + d
目标:minimize (yt - yt)
总结:线性函数是一维函数,y = ax1 + bx2 + cx3 + d
现在要计算最佳参数 m = [a, b, c, d]
给定数据,计算出预测值,预测值与真实值计算Cost,当Cost最小的时候计算出 m = [a, b, c, d]
优化方法:梯度下降法
模型参数
当前 m0 = [a0, b0, c0, d0]
每一步 m?
参数 m = [a, b, c, d]
梯度下降:梯度计算
Loss = ax1 + bx2 + cx3 + d -y
梯度下降:参数更新
梯度下降法总结:
1. 随机初始化参数
开启循环 t= 0, 1, 2
带入数据求出结果 yt
与真值比较得到loss = y - yt
对各个变量求导得到 m
更新变量 m
线性回归的局限性:线性回归能够清楚的描述分割线性分布的数据,对非线性分布的数据描述较弱
非线性激励
考量标准:
1. 正向对输入的调整
2. 反向梯度损失
神经网络构建
神经元的“并联”和“串联”
从第一层神经网络到最终输出,每一个神经元的数值由前一层神经元数值,神经元参数W,b以及激励函数共同决定第n+1层,第k个神经元的方程,可由公式表示为:
在这里,m表示第n层神经网络的宽度,n为当前神经网络的深度
并联:深度,串联:宽度
MINIST 神经网络分类:
course_2_tf_nn.py
结构变化影响:
1. “并联”宽度影响
2. “串联”层数影响
3. Dropout
4. Learning rate
1. 损失函数 - Loss
影响深度学习性能最重要因素之一。是外部世界对神经网络模型训练的直接指导。
合适的损失函数能够确保深度学习模型收敛
设计合适的损失函数是研究工作的主要内容之一
总结:
1. 神经网络起源:线性回归
2. 从线性到非线性
3. 神经网络的构建
4. 神经网络的“配件”
下节课预告:链式规则反向求导,SGD优化原理,卷积神经网络(CNN)各个layers介绍
第二节课的代码
https://github.com/wiibrew/DeepLearningCourseCodes/blob/master/course_2_tf_nn.py
https://github.com/wiibrew/DeepLearningCourseCodes/blob/master/course_2_tf_nn.ipynb
具体通过TensorFlow构建神经网络的过程,通过Pycharm和 Python Notebook来完成实验,调参还部署很熟练。
TensorFlow 对数据进行简单的可视化实验:
http://playground.tensorflow.org/
转载于:https://www.cnblogs.com/licheng/p/6952619.html
【原创 深度学习与TensorFlow 动手实践系列 - 2】第二课:传统神经网络相关推荐
- 深度学习之视频人脸识别系列二:人脸检测与对齐
作者 | 东田应子 [磐创AI导读]本文是深度学习之视频人脸识别系列的第二篇文章,介绍人脸检测与对齐的相关算法.欢迎大家关注我们的公众号:磐创AI. 一.人脸检测与关键点检测 问题描述: 人脸检测解决 ...
- 深度学习入门笔记系列(一)——深度学习框架 tensorflow 的介绍与安装
本系列将分为 8 篇 .今天是第一篇 ,工欲善其事必先利其器 ,先简单讲讲当前的主流深度学习框架 TensorFlow 及其安装方法 . 我们知道 ,深度学习研究的热潮持续高涨 ,许多的开源深度学习框 ...
- [GAN学习系列3]采用深度学习和 TensorFlow 实现图片修复(下)
这是本文的最后一部分内容了,前两部分内容的文章: [GAN学习系列3]采用深度学习和 TensorFlow 实现图片修复(上) [GAN学习系列3]采用深度学习和 TensorFlow 实现图片修复( ...
- [GAN学习系列3]采用深度学习和 TensorFlow 实现图片修复(中)
上一篇文章–[GAN学习系列3]采用深度学习和 TensorFlow 实现图片修复(上)中,我们先介绍了对于图像修复的背景,需要利用什么信息来对缺失的区域进行修复,以及将图像当做概率分布采样的样本来看 ...
- 深度学习框架TensorFlow系列之(五)优化器1
1 背景 梯度下降算法是目前最流行的优化算法之一,并且被用来优化神经网络的模型.业界知名的深度学习框架TensorFlow.Caffe等均包含了各种关于梯度下降优化器的实现.然而这些优化器经常被用作黑 ...
- 大佬原创 | 深度学习60讲453页pdf下载
关注公众号 后台回复 深度学习 即可下载深度学习60讲 作者简介 机器学习实验室的号主作为一名统计专业的硕士毕业生,一路从数据分析师进阶到深度学习算法工程师.现于杭州一家AI初创公司担任深度学习算法工 ...
- 视频教程-深度学习与TensorFlow 2入门实战-深度学习
深度学习与TensorFlow 2入门实战 新加坡国立大学研究员 龙良曲 ¥399.00 立即订阅 扫码下载「CSDN程序员学院APP」,1000+技术好课免费看 APP订阅课程,领取优惠,最少立减5 ...
- 深度学习和TensorFlow学习资源(书籍、文档和视频)
自己学习机器学习有一段时间了,有了一定基础,学习下深度学习和TensorFlow 汇总下找到的比较好看学习资源,也方便看 深度学习 理论篇–视频 吴恩达教授的视频 网易云课堂吴恩达deeplearni ...
- 4.1 深度学习框架-TensorFlow
4.1 深度学习框架-TensorFlow 学习目标 目标 了解Tensorflow框架的组成.接口 了解TensorFlow框架的安装 知道tf.keras的特点和使用 应用 无 4.1.1 常见深 ...
最新文章
- 如何修改路由器和交换机的密码
- 全国一等奖,F题:智能送药小车。
- 07/11/10 资料整理
- JS 打印 data数据_用D3.js 十分钟实现字符跳动效果
- 现代语音信号处理之倒谱分析与同态滤波
- centos 常用的网络登录端口测试工具
- AN515-43 COMPAL LA-H901P笔记本主板+小板点位图
- 计量笔记(二) | OLS估计量性质
- 游戏服务器应该怎么选择
- IIS 发布网站无法显示图片
- CS144——Lab0——networking warmup
- 15 个最佳开源设计工具
- linux ffmpeg 合并视频文件,使用ffmpeg合并视频
- GVINS / VINS-mono运行报错:undefined symbol: _ZN6google21kLogSiteUninitializedE,重新安装ceres可以解决
- Idea使用gradle集成Lombok插件build时报找不到符号错误
- 超鸿蒙混希夷的翻译,对《愚溪诗序》一处译文的思考
- 一元函数微分学和一元函数积分学的应用
- 给丝袜哥(Swagger)升级了新版本,没想到居然有这么多坑!
- r语言 html gif,推荐 :6步教你用R语言制作动图
- 基于TensorFlow Lite实现的Android花卉识别应用
热门文章
- ubuntu java ide,ubuntu 环境 安装 C++ IDE Eclipse
- python怎么做软件程序_如何打包和发布Python程序
- 学习响应式BootStrap来写融职教育网站,要是踩到坑就找我。
- 其他平台上测试工具的使用
- Facebook 被指收集用户数据:通过照片和文本
- 第十七节: EF的CodeFirst模式的四种初始化策略和通过Migration进行数据的迁移
- Node.js 切近实战(十一) 之实时通讯
- Pug+Stylus+Bootstrap入门
- [转载]MIT牛人解说数学体系
- 【cocos2d-x从c++到js】06:Google的继承写法解析