深度學習是機器學習與神經網路、人工智慧、圖形化建模、優化、模型識別和訊號處理等技術融合後產生的乙個領域。簡單來說，深度神經網路是一種用多層抽象來表示概念或者特徵的方式。深度學習使用多層機器學習模型對資料進行有監督學習或者無監督學習。
在學習深度學習核心思想時，採取如圖所示的的通用方法：
注意：單隱藏層神經網路不被視為深度學習神經網路，因為它們只包含乙個隱藏層。
深度學習的威力來自於用適量的並行非線性步驟對非線性資料進行分類或者**的能力。多層深度神經網路有多個非線性的和/或者高度變化的函式，他們擅長識別資料中的複雜模式，可以用來改進計算機視覺和自然語言處理等工作，並可以解決非結構化資料難題。實際上，如果有足夠的歷史資料、需要**或者分類的研究案例，便可構建乙個深度學習模型進行研究。
下一章將快速的介紹神經網路模型基礎
動手學深度學習 打卡01
均方誤差損失函式 l i w,b 1 2 y i y i 2 l mathbf,b frac left hat y right 2,l i w b 21 y i y i 2,小批量隨機梯度下降 mini batch stochastic gradient descent w,b w,b b i b ...
動手學深度學習 task01
task 1 線性回歸 多層感知機 softmax函式 1 線性回歸作為基本的機器學習演算法，實現較簡單，應用廣泛。以下為用pytorch編寫的線性回歸類 import torch.nn as nn import torch from torch.autograd import variable f...
動手學深度學習 NDArray自動求導（01）
ndarray可以很方便的求解導數，比如下面的例子 主要參考自 用 實現如下 複製 1 import mxnet.ndarray as nd 2 import mxnet.autograd as ag 3 x nd.array 1,2 3,4 4 print x 5 x.attach grad 附加...