【人工智能学习笔记】4_1 深度学习基础之深度学习概述
深度学习概述
深度学习(Deep Learning, DL)
- 是机器学习的分支
- 是一种以人工神经网络为架构,对资料进行表征的学习的算法
- 表征学习(特征学习) :将原始数据转换成为能够被机器学习有效开发的一种技术的集合
优缺点
- 优点
- 学习能力强
- 覆盖范围广、适应性好
- 数据驱动、上限高
- 可移植性好
- 缺点
- 计算量大、便携性差
- 硬件需求高
- 模型设计复杂
- 容易存在偏见
传统机器学习与深度学习对比
深度学习框架
- 定义
- 一种界面、库或工具;
- 能够让开发人员利用预先构建和优化好的组件集合定义模型
- 更容易、更快速地构建深度学习模型
- 一个良好的深度学习框架应具备以下5个关键特征
- 针对性能进行优化
- 易于理解与编码
- 强大的社区生态
- 并行化进程加快运算
- 自动计算渐变
- 常用深度学习框架包括TensorFlow、Torchid、Caffe