机器学习瑞客xk深度简介

深度学习简介与实战人工智能发展历程Eugene

GoostmanDeep

BlueAlphaGo人工智能应用C:

ConsumerB:

Business很多职业在将来会消失……-记者很多职业在将来会消失……-公交车司机很多职业在将来会消失……-翻译轻松一扫，俄语变英语以文本为对象的深度学习-作诗“姬”作诗“姬”视觉深度学习输出视觉深度学习–梵高体照片照片的“梵高体”视觉深度学习原始图学习模式转换图视觉深度学习原始图学习模式转换图基于视觉深度学习的AlphaGo

Zero视觉深度学习在生物医学领域的应用神经网络简介Neural

Networks神经网络发展历程从上世纪80年代开始，人工神经网络(Artificial

Neural

Networks)兴起由于计算机计算能力的不足和理论上的缺陷，神经网络算法被支持向量机(Support

Vector

Machine)和随机森林(Random

Forest)等其他机器学习算法替代2006年，Hinton发布了深信度网络(DeepBeliefNetworks,DBNs)，开启了深度神经网络新时代最近，由于计算机计算能力的增强和计算模式上的创新(GPU计算)，深度学习(Deep

Learning)技术再度成为人们关注的热点。BP神经网络构成层（Layer）输入层全连接层输出层卷积神经网络——以卷积层为特点卷积神经网络是目前视觉深度学习领域最为流行的神经网络，其特点是网络中至少有一层是卷积层那么什么是卷积呢？卷积神经网络——卷积(Convolution)101010101100010001100110111双对角线单对角线下三角1111011110101110101111681611184811116816周围强化横竖线高斯滤波器卷积神经网络构成——层(Layers)层（Layer）卷积层卷积神经网络构成——层(Layers)层（Layer）池化层mean-pooling（平均值）池化方法： max-pooling （最大值）stochastic

pooling（随机）023101111SUM10÷1000.20.30.100.10.10.10.1按照概率选取321030%20%50%0%卷积神经网络构成——层(Layers)层Drop-out层（按照规定百分比随机打断神经元之间的连接，防止过拟合）Flatten层（将多维数据扁平化，便于连接全连接层）输出层（常用soft-max函数，输出分类概率）卷积神经网络构成——激活函数(activation

function)ReLU𝑓

𝑥ൌ

max

0,

𝑤𝑥

൅TanH激活函数

fSigmoid《白话深度学习与TensorFlow》高扬,卫峥卷积神经网络实例——人脸识别(Deep

ID)Deep

ID香港中文大学的Sun

Yi开发出来用来学习人脸特征的卷积神经网络Tensorflow和Keras的安装1.安装AnaConda2.安装Python3.5>conda

installpython=3.53.安装Tensorflow>conda

create

-n

tensorflowpython=3.54.激活Tensorflow>activate

tensorflow5.安装Keras>pip

install

keras安装Anaconda安装Python3.5启动Anaconda

prompt>conda

install

python=3.5安装Python3.5输入y安装python3.5安装Tensorflow>conda

create

-n

tensorflow

python=3.5激活Tensorflow>activate

tensorflow

#激活Tensorflow>python

#查看python版本测试Tensorflow>Python

#进入python>>>importtensorflow

as

tf

#加载Tensorflow并简写为tf>>>a=tf.constant([1.0,2.0],name=“a”)

#定义常量>>>b=tf.constant([2.0,3.0],name=“b”)

#定义常量>>>result=a+b

#Tensorflow加载NumPy,可以直接用加号>>>sess=tf.Session()

#需要生成会话才能输出结果>>>print(sess.run(result))安装Keras>pip

ins