本文主要是介绍深度学习笔记0001,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!
深度学习与机器学习的区别:
1特征提取方面:
机器学习的特征工程步骤是需要靠手动完成的,而且需要大量领域专业知识
深度学习通常由多个层组成,他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出模型,不需要人工特征提取环节。
(深度学习可以广泛运用于不好提取特征的领域,例如图像,语音,自然语言处理)
2数据量和计算性能要求
机器学习需要的执行时间要远远小于深度学习,深度学习参数往往会很庞大,需要通过大量的数据的多级优化来训练参数。
一、深度学习需要大量的训练数据集
二、训练深度神经网络需要大量的算力
可能需要花费数天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。所以深度学习通常有以下要求:
1.需要强大的GPU服务器来进行计算
2.全面管理的分布式训练与测试服务–比如谷歌tensorflow
3算法代表
机器学习
朴素贝叶斯,决策树等
深度学习
神经网络
这篇关于深度学习笔记0001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!