人工智能首页 > 深度学习 > 正文

关于人工智能之深度学习,初学者如何用Python进行深度学习?

2018-10-08 阅读888次

  深度学习机器学习它用它的能力席卷了世界。在本文中,我们将讨论使用Python进行深度学习的意义。此外,我们将学习为什么我们称之为深度学习。此外,本文还将介绍人工神经网络和深层神经网络,以及深度学习的应用。

       关于人工智能之深度学习,初学者如何用Python进行深度学习?

  深度学习定义

  用一个句子来定义它,我们会说它是一种机器学习的方法。要详细说明,深度学习是一种机器学习方法,它基于学习数据表示(或特征学习),而不是特定于任务的学习。算法。我们也称其为深度结构化学习或分层学习。对于特征学习,我们观察到了三种学习方式:监督学习、半监督学习和非监督学习.

  我们在生物神经系统中观察到的模式模糊地启发了存在的深度学习模式。

关于人工智能之深度学习,初学者如何用Python进行深度学习?

  特征

  Python深度学习的一些特点是:

  它们使用层叠的非线性处理单元来提取特征并执行转换;一层的输出是下一层的输入。

  它们以监督和/或非监督的方式学习(分别包括分类和模式分析)。

  它们学习不同抽象级别的多层表示。

  为什么要深入学习?

  深度学习使用网络,在产生输出之前,数据通过多个层进行转换。这是我们用一个常被称为CAP的参数来测量的东西。对于前馈神经网络,信用分配路径深度告诉我们比隐藏层数多一个值。但我们可以肯定地说,随着深度学习,CAP>2。每个层都接受输入,并将其转换为只稍微更抽象和更复合。

  人工神经网络

  现在,让我们来谈谈神经网络。人工神经网络是一个连接系统。它是一个计算系统,受动物大脑生物神经网络的启发,从实例中学习。当一个人工神经网络看到足够多的猫图像(以及那些不是猫的物体)时,它学会识别另一个猫的图像。

  结构

  人工神经网络只不过是一组与生物神经元相似的人工神经元。突触(这些神经元之间的连接)相互传递信号。突触后神经元处理它接收到的信号,并向进一步连接到它的神经元发出信号。

  

初学者如何用Python进行深度学习?


  神经元可以具有状态(0到1之间的值)和随着网络学习而增加或减小信号强度的权重。我们看到三种层次:输入、隐藏和输出。可能有任意数量的隐藏层。通常,这样的网络可以容纳数百万个单元和连接。请注意,与人脑中神经元和连接的数量相比,这仍然是没有意义的。

  深层神经网络

  深层神经网络只是一种人工的神经网络在输入和输出之间有多个层。在每一层,网络计算每个输出的概率。当需要时,DNN将建模复杂的非线性关系。有了额外的层,我们可以从低层进行特征的合成。

  

初学者如何用Python进行深度学习?


  通常,DNN是一个前馈网络,它观察从输入到输出的数据流。它从不回圈。深层神经网络创建了虚拟神经元的地图,并将权重分配给将它们连接在一起的连接。它将权重乘以输入,得到0到1之间的值。当它不能准确地识别一个值时,它会调整权重。这是为了使参数更有影响力和别有用心,以确定正确的数学操作,以便我们能够充分处理数据。

  我们通常观察到的两种ANN是:

  递归神经网络*数据可向任何方向流动的地方。我们在语言建模等领域中使用了像LSTM(长期短期内存)这样的概念。

  卷积深层神经网络一个深的,前馈的安。我们将这些应用于分析视觉图像、计算机视觉和自动语音识别的声学建模等领域。

  深度学习应用

  我们观察到Python在以下领域中使用了深度学习:

  自动语音识别

  图像识别

  视觉艺术加工

  自然语言处理

  药物发现与毒理学

  客户关系管理(CRM)

  推荐系统

  生物信息学

  移动广告

  图像恢复

  金融欺诈侦查

  在向你道别之前,我们想向你介绍一下萨曼莎,电影里的人工智能她 .

  

初学者如何用Python进行深度学习?


  在影片中,西奥多,一个敏感而害羞的人,为别人写私人信件以谋生。萨曼莎是一个操作系统,他的手机,西奥多开发了一个幻想。从友谊开始的东西是以爱的形式开始的。

  

初学者如何用Python进行深度学习?


  深入学习会让我们在现实生活中从Siri到Samantha吗?至少Siri不赞成。

  

初学者如何用Python进行深度学习?


  结语

  在本文中,我们讨论了使用Python进行深度学习到底意味着什么。此外,我们还看到了人工神经网络和深层神经网络。此外,我们还讨论了深度学习的应用,并找出了为什么进行深度学习的原因。如果你对这篇文章有任何疑问,欢迎在评论中提问。


随意打赏