宜宾建设教育培训中心网站,青岛网页设计培训学校,厦门网页制作设计营销,怎么自己的电脑做网站1 深度学习与机器学习的区别
学习目标#xff1a;知道深度学习与机器学习的区别
区别#xff1a;深度学习没有特征提取 1.1 特征提取方面
机器学习的特征工程步骤是要靠手动完成的#xff0c;而且需要大量领域专业知识深度学习通常由多个层组成#xff0c;它们通常将更简…1 深度学习与机器学习的区别
学习目标知道深度学习与机器学习的区别
区别深度学习没有特征提取 1.1 特征提取方面
机器学习的特征工程步骤是要靠手动完成的而且需要大量领域专业知识深度学习通常由多个层组成它们通常将更简单的模型组合在一起将数据从一层传递到另一层来构建更复杂的模型。通过训练大量数据自动得到模型不需要人工特征提取环节 深度学习算法试图从数据中学习高级功能这是深度学习的一个非常独特的部分。因此减少了为每个问题开发新特征提取器的任务。适合用在难提取特征的图像、语音、自然语言处理领域 1.2 数据量和计算性能要求
机器学习需要的执行时间远少于深度学习深度学习参数往往很庞大需要通过大量数据的多次优化来训练参数。 深度学习需要大量的训练数据集 训练深度神经网络需要大量的算力 可能要花费数天、甚至数周的时间才能使用数百万张图像的数据集训练出一个深度网络。所以深度学习通常 需要强大的GPU服务器来进行计算全面管理的分布式训练与预测服务 1.3 算法代表
机器学习朴素贝叶斯决策树
深度学习神经网络 2 深度学习的应用场景
图像识别物体识别、场景识别、车型识别、人脸检测跟踪、人脸关键点定位、人脸身份认证
自然语言处理技术机器翻译、文本识别、聊天对话
语音技术语音识别 3 深度学习框架介绍 总结
最常用的框架当数TensorFlow和Pytorch,而 Caffe和Caffe2次之。PyTorch和 Torch更适用于学术研究(research) ; TensorFlowCaffe,Caffe2更适用于工业界的生产环境部署(industrial production)Caffe适用于处理静态图像(static graph) ; Torch和PyTorch更适用于动态图像(dynamic graph) ; TensorFlow在两种情况下都很实用。Tensorflow和Caffe2可在移动端使用。
