多样的网络结构： CNN RNN
1. CNN
图像识别的特点：1. 输入维数很高 2. pattern通常比整个图片要小，也就是神经元不需要看到整个图像就可以发现pattern。3. 相同的pattern 可能出现在不同的区域，也就是pattern与位置没有太大的关系。4. 对像素进行二次抽样不会改变图像中的物体，是减少输入维数，从而减少参数的办法。
2. RNN
LSTM
多样的网络结构： CNN RNN
1. CNN
图像识别的特点：1. 输入维数很高 2. pattern通常比整个图片要小，也就是神经元不需要看到整个图像就可以发现pattern。3. 相同的pattern 可能出现在不同的区域，也就是pattern与位置没有太大的关系。4. 对像素进行二次抽样不会改变图像中的物体，是减少输入维数，从而减少参数的办法。
2. RNN
LSTM
多样的网络结构： CNN RNN 1. CNN 图像识别的特点：1. 输入维数很高 2. pattern通常比整个...
一直都只是对传统机器学习方法有一点点的学习，没有了解过深度学习，但是一直都想下手去学。不管哪种算法，细节都很多。而...
Tips for training DNN 1. 选择合适的损失函数 choose proper loss 当选择...
英文原文地址：Deep Learning Tutorials 译注：本文是http://deeplearning....
回顾 DeepLearning笔记：机器学习和深度学习的区别 对话深度学习1：Neural Networks 神经...
回顾 DeepLearning笔记：机器学习和深度学习的区别 对话深度学习1：Neural Networks 神经...
回顾 DeepLearning笔记：机器学习和深度学习的区别 对话深度学习1：Neural Networks 神经...
原文地址 本系列笔记是 Coursera 在线课程 deeplearning.ai 的学习笔记，主要是对自己在听...
背景介绍 之前的文章我们已经介绍过了卷积神经网络，很多同学也可以自己写一些简单的卷积神经网络跑一下模型，这个时候我...
本文是【专题“DeepLearning学习笔记”】的第【2】篇上一篇：【DL笔记1】Logistic回归：最基本的...
本文标题：DeepLearning学习笔记3_deep learning
本文链接：https://www.haomeiwen.com/subject/xvgbmxtx.html
网友评论