為了讓機器自動學習，需要為機器準備三份資料：
1.訓練集，機器學習的樣例；
2.驗證集，機器學習階段，用於評估得分和損失是否達到預期要求；
3.測試集，機器學習結束之後，實戰階段評估得分。
深度學習（deep learning，dl）：是由多個處理層組成的計算模型，可以通過學習獲得資料的多抽象層表示。
推**像搜尋突破的關鍵有三點：
1.深度學習；
2.大資料分析；
3.大量使用者使用反饋。
傳統機器學習的侷限性
構建模式識別或機器學習系統需要經驗豐富的工程師來設計特徵提取器（feature extrator)，將原始資料（如影象的畫素值）轉化為合適的中間表示形式或特徵向量（feature vector），學習子系統（通常為分類器）可以對輸入模式進行檢測或分類。
深度學習方法則不需要人工設計特徵提取器，而是由機器自動學習獲得，特別適用於變化多端的自然資料，具有非常良好的泛化能力和魯棒性。
深度學習實戰Caffe 一 Caffe環境安裝
安裝vim git 等必備工具 sudo apt get install vim git 安裝boost sudo apt get install no install recommends libboost all dev安裝atlas開發包 sudo apt get install libatl...
深度學習caffe搭建
經過乙個月的時間，從開始接觸深度學習到環境搭建終於成功了！發表第一篇部落格 慶祝一下 按照21天實戰caffe 進行架構搭建出現的錯誤大致的解決辦法，ubuntu用的是14.04 按照裡面第三天的要求進行操作 後來到第五天發現這些依賴包沒什麼用 直接到第5天 protobuffer 出現錯誤 caf...
Python 深度學習Caffe
提到 深度學習庫 就不可能不說到caffe。事實上，自從你開啟這個頁面學習深度學習庫，我就敢打保票你肯定聽說caffe。那麼，究竟caffe是什麼呢？caffe是由berkeley vision and learning center bvlc 建立的深度學習框架。它是模組化的，速度極快。而且被應用...