发新帖

深度学习基础概念

[复制链接]
406 3

快来加入 TensorFlowers 大家庭!

您需要 登录 才可以下载或查看,没有帐号?加入社区

x
本帖最后由 rocLv 于 2018-5-23 14:14 编辑

1. 神经元: 在神经网络中,最基础的计算单元,称为神经元。直观的说,就是神经网络图中的一个圈圈,代表一个神经元。


2. 层:        直观的说,一层就是神经网络图中的一列。假如说把神经网络训练,想象成走路,那么每走一步之后得到的结果就是一层,其实,我觉得称为可能更容易理解。神经网络的第一层,称为输入层。

3. 输入层:就是输入的数据集。

4. 输出层:就是计算的结果,可能是一个数(比如Cat/Not Cat的结果),也可能是一个数组。

5. 隐层:   任何输入层和输出层中间的都称为隐层。(其实就是计算的时候你不关心的层,我觉得称为中间层,更容易理解)

6. 卷积: 卷积就是对矩阵执行先乘,后加的运算。作用是减少数据计算量。

7.  Sigmoid函数和ReLU函数:通常作为分类函数,以Cat/Not Cat为例, 分类其实就是计算是Cat的的概率。

8. Dropout:作用有两个,一个是减少数据量,一个是避免过拟合。原理就是随机的踢出一些计算单元,减少计算的次数,之所以这样做是因为通过研究发现,随机的剔除一些计算单元并不会影响深度学习的效果。

好了,其他概念欢迎大家补充。





本楼点评(0) 收起

精彩评论3

zerov  TF荚荚  发表于 2018-5-21 11:16:36 | 显示全部楼层
很好。
本楼点评(0) 收起
周周  TF荚荚  发表于 2018-5-22 18:56:27 | 显示全部楼层
感谢分享基础概念!
8. Droupout

这里有个typo, 应该是Dropout
本楼点评(1) 收起
滴血森卡  TF豆豆  发表于 2018-5-22 20:06:47 | 显示全部楼层
赞!
本楼点评(0) 收起
您需要登录后才可以回帖 登录 | 加入社区

本版积分规则

主题

帖子

13

积分
快速回复 返回顶部 返回列表