基本原理

在本章中，我們將深入研究Python深度學(xué)習(xí)的基礎(chǔ)知識(shí)。

深度學(xué)習(xí)模型/算法

現(xiàn)在讓我們了解不同的深度學(xué)習(xí)模型/算法。

深度學(xué)習(xí)中的一些流行模型如下 -

• 卷積神經(jīng)網(wǎng)絡(luò)
• 遞歸神經(jīng)網(wǎng)絡(luò)
• 深層信念網(wǎng)絡(luò)
• 生成對(duì)抗網(wǎng)絡(luò)
• 自動(dòng)編碼器等

輸入和輸出表示為矢量或張量。 例如，神經(jīng)網(wǎng)絡(luò)可以具有將圖像中的各個(gè)像素RGB值表示為矢量的輸入。

位于輸入層和輸出層之間的神經(jīng)元層稱為隱藏層。 當(dāng)神經(jīng)網(wǎng)絡(luò)試圖解決問題時(shí)，這是大部分工作發(fā)生的地方。 仔細(xì)研究隱藏層可以揭示很多關(guān)于網(wǎng)絡(luò)學(xué)習(xí)從數(shù)據(jù)中提取的特性。

通過選擇哪些神經(jīng)元連接到下一層中的其他神經(jīng)元來形成不同的神經(jīng)網(wǎng)絡(luò)架構(gòu)。