收到的任務是用深度學習求解偏微分方程，所以只學習機器學習中的深度學習
這篇部落格是梳理整個學習框架，由機器學習的一些基本概念到深度學習，其中涉及到的一些小知識點分別寫在別的部落格中
1.機器學習分類
deep learning 屬於機器學習中監督學習的非線性模型
（可是在後面的學習過程中，發現deep learning中也有非監督學習的模型，比如gan，所以這個分類有些問題）
2.神經網路 neural network
有輸入層與輸出層且輸出層只有乙個神經元的神經網路的結構與邏輯回歸一致，只不過在神經網路中，線性變換（求和）與非線性變換被整合在乙個神經元（隱藏層或輸出層）中；其中非線性變換函式又被稱為啟用函式active function
(2)神經網路
（3）deep learning 深度學習
引數個數相同的情況下，多層的學習效果往往比單層效果好
深層需要資料更少
modularization，模組化，每一層實現乙個功能，結構清晰，功能也強，可以完成更複雜的任務
3.知識點整理（逐漸補充）
深度學習 1
基本概念 訓練集，測試集 特徵值 監督學習 非監督學習 半監督徐熙 分類 回歸 概念學習 從某個布林函式的輸入輸出訓練樣例中推斷出該布林函式 例項集合x x 樣例 x 每乙個例項 c x 目標概念 學習目標 f x y 訓練集 training set data 訓練樣例training examp...
深度學習1
幾天無聊，看darknet的原始碼 1.學習率 訓練的時候看到輸出資訊沒有learning rate,進 看看，發現 network.c 裡面的get current rate net 就是獲取學習率的，列印出來的rate就是lr啦 另外，訓練densenet的時候，先burning in 1000...
深度學習1
深度學習概念理解 1.訓練集 一組資料用來訓練模型 2.驗證集 一組資料，用來調整模型引數 交叉驗證 3.測試集 與訓練集保持相同分布的一組分布，用來測試模型的好壞 不參與模型的引數調整 4.batchsize 一次用來訓練的樣本數目。太小，不收斂 太大，訓練速度下降，記憶體也可能支援不住 5.ep...