深度学习应用开发 课件 cha1 2-深度学习的特点_第1页
深度学习应用开发 课件 cha1 2-深度学习的特点_第2页
深度学习应用开发 课件 cha1 2-深度学习的特点_第3页
深度学习应用开发 课件 cha1 2-深度学习的特点_第4页
深度学习应用开发 课件 cha1 2-深度学习的特点_第5页
已阅读5页，还剩8页未读， 继续免费阅读

付费下载

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

目录1数据量大01任务计算力提升02任务网络规模大03任务1数据量大1数据量大早期的机器学习算法比较简单，容易快速训练，需要的数据集规模也比较小，如1936年由英国统计学家RonaldFisher收集整理的鸢尾花卉数据集Iris共包含3个类别花卉，每个类别50个样本。1998年由YannLeCun收集整理的MNIST手写数字图片数据集共包含0~9共10类数字，每个类别多达7000张图片。1数据量大图2数据集大小趋势图1

数据集样本数趋势2计算力提升2计算力提升计算能力的提升是第三次人工智能复兴的一个重要因素；传统的机器学习算法，对数据量和计算能力要求不高，通常在CPU上可训练完成；深度学习非常依赖并行加速计算设备，目前的大部分神经网络均使用NVIDIAGPU和GoogleTPU或其他神经网络并行加速芯片训练模型参数；2012年基于2块

GTX580GPU训练的AlexNet发布后，深度学习的真正潜力才得以发挥；围棋程序AlphaGoZero在64块GPU上从零开始训练了40天才得以超越所有的AlphaGo历史版本；自动网络结构搜索算法使用了800块GPU同时训练才能优化出较好的网络结构。2计算力提升GPU(GraphicsProcessingUnit)，图形处理器，又称显示核心、视觉处理器、显示芯片，是一种专门在个人电脑、工作站、游戏机和一些移动设备上做图像和图形相关运算工作的微处理器;TPU(TensorProcessingUnits)，是由Google设计的定制机器学习芯片，用于成功执行其常规机器学习工作负载，专为Google的深度学习框架TensorFlow而设计.

2计算力提升3网络规模大3网络规模大早期的感知机模型和多层神经网络层数只有1层或者2~4层，网络参数量也在数万左右；随着深度学习的兴起和计算能力的提升，AlexNet(8层)，VGG16(16层)，GoogLeNet(22层)，ResNet50(50层)，DenseNet121(121层)等模型相继被提出；同时输入图片的大小也从28x28逐渐增大，变成224x

人人文库> 全部分类> 教育资料 > 课件下载

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论