独家连载 | 深度学习“四大天王”,你知道几个?

2024-03-10 14:38

本文主要是介绍独家连载 | 深度学习“四大天王”,你知道几个?,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

前言:大家好,我是覃秉丰,又在周二和大家见面了。继我们上周介绍的①机器学习;②人工智能,机器学习,神经网络以及深度学习之间的关系;③深度学习应用;④神经网络发展史这四小节内容后,今天我们要介绍的是深度学习领域的几个重要人物,你可以称他们为深度学习界的“四大天王”。

1.5深度学习领域重要人物

深度学习领域有很多做出过卓越贡献的大师,下面简单介绍几位。

Geoffrey Hinton:

英国出生的计算机学家和心理学家,以其在神经网络方面的贡献闻名。Hinton是反向传播算法和对比散度算法的发明人之一,也是深度学习的积极推动者。目前担任多伦多大学计算机科学系教授。

2013年3月加入Google,领导Google Brain项目。

Hinton被人们称为“深度学习教父”,可以说是目前对深度学习领域影响最大的人。而且如今在深度学习领域活跃的大师,有很多都是他的弟子,可以说是桃李满天下。图1.25为Geoffrey Hinton。

图1.25 Geoffrey Hinton.png

Yann LeCun

法国出生的计算机科学家,他最著名的工作是光学字符识别和计算机视觉上使用卷积神经网络(CNN),他也被称为卷积网络之父。

曾在多伦多大学跟随Geoffrey Hinton做博士后。1988年加入贝尔实验室,在贝尔实验室工作期间开发了一套能够识别手写数字的卷积神经网络系统,并把它命名为LeNet。这个系统能自动识别银行支票。

2003年去了纽约大学担任教授,现在是纽约大学终身教授。

2013年12月加入了Facebook,成为Facebook人工智能实验室的第一任主任。图1.26为Yann LeCun。

图1.26 Yann LeCun

Yoshua Bengio:

毕业于麦吉尔大学,在MIT和贝尔实验室做过博士后研究员,自1993年之后就在蒙特利尔大学任教。在预训练问题,自动编码器降噪等领域做出重大贡献。

Hinton、LeCun和Bengio被人们称为“深度学习三巨头”。这“三巨头”中的前两人早已投身工业界,而Bengio仍留在学术界教书,他曾说过:“我留在学术圈为全人类作贡献,而不是为某一公司赚钱”。

2017年初Bengio选择加入微软成为战略顾问。他表示不希望有一家或者两家公司(他指的显然是Google和Facebook)成为人工智能变革中的唯一大玩家,这对研究社区没有好处,对人类也没有好处。图1.27为Yoshua Bengio。

图1.27 Yoshua Bengio

Andrew Ng(吴恩达):

吴恩达是美籍华人,曾经是斯坦福大学计算机科学系和电气工程系的副教授,斯坦福人工智能实验室主任。他还与Daphne Koller一起创建了在线教育平台Coursera。

2011年,吴恩达在Google创建了Google Brain项目,通过分布式集群计算机开发超大规模的人工神经网络。

2014年5月,吴恩达加入百度,负责百度大脑计划,并担任百度公司首席科学家。

2017年3月,吴恩达从百度离职。图1.28为吴恩达。

图1.28 吴恩达

LeCun是Hinton的博士生,另一位人工智能大师Jordan曾经申请过Hinton的博士生,Bengio是Jordan的博士后,Andrew Ng是Jordan的博士生,LeCun与Bengio曾经是同事。这几位大师互相之间有着很深的渊源。图1.29为人物关系图,图1.30为LeCun、Hinton、Bengio和Andrew Ng的合照。

图1.29 人物关系图

图1.30 从左往右分别是:LeCun,Hinton,Bengio,Andrew Ng

1.6新一轮人工智能爆发的三要素

这一轮人工智能大爆发的主要原因有3个,深度学习算法,大数据,以及高性能计算。

深度学习算法—— 之前人工智能领域的实际应用主要是使用传统的机器学习算法,虽然这些传统的机器学习算法在很多领域都取得了不错的效果,不过仍然有非常大的提升空间。深度学习出现后,计算机视觉,自然语言处理,语音识别等领域都取得了非常大的进步。

大数据 —— 如果把人工智能比喻成一个火箭,那么这个火箭需要发射升空,它的燃料就是大数据。以前在实验室环境下很难收集到足够多的样本,现在的数据相对以前在数量、覆盖性和全面性方面都获得了大幅提升。一般来说深度学习模型想要获得好的效果,就需要把大量的数据放到模型中进行训练。

高性能计算 —— 以前高性能计算大家用的是CPU集群,现在做深度学习都是用GPU,或者GPU集群。想要使用大量的数据来训练复杂的深度学习模型那就必须要具备高性能计算能力。如果只是使用几个CPU来训练一个复杂模型可能会需要花费几周甚至几个月的时间。把数百块GPU连接起来做成集群,用这些集群来训练模型,原来一个月才能训练出来的网络,可以加速到几个小时就能训练完,可以大大减少模型训练时间。

写在最后的话:如果你也是个深度学习爱好者,或者有任何的疑问,可以加我的个人微信号:sdxxqbf 。

独家连载系列文传送门:
深度学习从0到1(1)
深度学习从0到1(2)

这篇关于独家连载 | 深度学习“四大天王”,你知道几个?的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/794539

相关文章

SpringCloud动态配置注解@RefreshScope与@Component的深度解析

《SpringCloud动态配置注解@RefreshScope与@Component的深度解析》在现代微服务架构中,动态配置管理是一个关键需求,本文将为大家介绍SpringCloud中相关的注解@Re... 目录引言1. @RefreshScope 的作用与原理1.1 什么是 @RefreshScope1.

Python 中的异步与同步深度解析(实践记录)

《Python中的异步与同步深度解析(实践记录)》在Python编程世界里,异步和同步的概念是理解程序执行流程和性能优化的关键,这篇文章将带你深入了解它们的差异,以及阻塞和非阻塞的特性,同时通过实际... 目录python中的异步与同步:深度解析与实践异步与同步的定义异步同步阻塞与非阻塞的概念阻塞非阻塞同步

Redis中高并发读写性能的深度解析与优化

《Redis中高并发读写性能的深度解析与优化》Redis作为一款高性能的内存数据库,广泛应用于缓存、消息队列、实时统计等场景,本文将深入探讨Redis的读写并发能力,感兴趣的小伙伴可以了解下... 目录引言一、Redis 并发能力概述1.1 Redis 的读写性能1.2 影响 Redis 并发能力的因素二、

最新Spring Security实战教程之表单登录定制到处理逻辑的深度改造(最新推荐)

《最新SpringSecurity实战教程之表单登录定制到处理逻辑的深度改造(最新推荐)》本章节介绍了如何通过SpringSecurity实现从配置自定义登录页面、表单登录处理逻辑的配置,并简单模拟... 目录前言改造准备开始登录页改造自定义用户名密码登陆成功失败跳转问题自定义登出前后端分离适配方案结语前言

Java进阶学习之如何开启远程调式

《Java进阶学习之如何开启远程调式》Java开发中的远程调试是一项至关重要的技能,特别是在处理生产环境的问题或者协作开发时,:本文主要介绍Java进阶学习之如何开启远程调式的相关资料,需要的朋友... 目录概述Java远程调试的开启与底层原理开启Java远程调试底层原理JVM参数总结&nbsMbKKXJx

Redis 内存淘汰策略深度解析(最新推荐)

《Redis内存淘汰策略深度解析(最新推荐)》本文详细探讨了Redis的内存淘汰策略、实现原理、适用场景及最佳实践,介绍了八种内存淘汰策略,包括noeviction、LRU、LFU、TTL、Rand... 目录一、 内存淘汰策略概述二、内存淘汰策略详解2.1 ​noeviction(不淘汰)​2.2 ​LR

Java8需要知道的4个函数式接口简单教程

《Java8需要知道的4个函数式接口简单教程》:本文主要介绍Java8中引入的函数式接口,包括Consumer、Supplier、Predicate和Function,以及它们的用法和特点,文中... 目录什么是函数是接口?Consumer接口定义核心特点注意事项常见用法1.基本用法2.结合andThen链

Python与DeepSeek的深度融合实战

《Python与DeepSeek的深度融合实战》Python作为最受欢迎的编程语言之一,以其简洁易读的语法、丰富的库和广泛的应用场景,成为了无数开发者的首选,而DeepSeek,作为人工智能领域的新星... 目录一、python与DeepSeek的结合优势二、模型训练1. 数据准备2. 模型架构与参数设置3

Java深度学习库DJL实现Python的NumPy方式

《Java深度学习库DJL实现Python的NumPy方式》本文介绍了DJL库的背景和基本功能,包括NDArray的创建、数学运算、数据获取和设置等,同时,还展示了如何使用NDArray进行数据预处理... 目录1 NDArray 的背景介绍1.1 架构2 JavaDJL使用2.1 安装DJL2.2 基本操

最长公共子序列问题的深度分析与Java实现方式

《最长公共子序列问题的深度分析与Java实现方式》本文详细介绍了最长公共子序列(LCS)问题,包括其概念、暴力解法、动态规划解法,并提供了Java代码实现,暴力解法虽然简单,但在大数据处理中效率较低,... 目录最长公共子序列问题概述问题理解与示例分析暴力解法思路与示例代码动态规划解法DP 表的构建与意义动