5个回答
2020-10-16 · 让人人享有高品质教育
关注
展开全部
深度学习具体都会学神经网络、BP反向传播算法、TensorFlow深度学习工具等。
而神经网络需要学习的有:
从生物神经元到人工神经元
激活函数Relu、Tanh、Sigmoid
透过神经网络拓扑理解逻辑回归分类
透过神经网络拓扑理解Softmax回归分类
透过神经网络隐藏层理解升维降维
剖析隐藏层激活函数必须是非线性的原因
神经网络在sklearn模块中的使用
水泥强度预测案例及绘制神经网络拓扑
BP反向传播算法需要学习的有:
BP反向传播目的
链式求导法则
BP反向传播推导
不同激活函数在反向传播应用
不同损失函数在反向传播应用
Python实现神经网络实战案例
TensorFlow深度学习工具设计到:
TF安装(包含CUDA和cudnn安装)
TF实现多元线性回归之解析解求解
TF实现多元线性回归之梯度下降求解
TF预测california房价案例
TF实现Softmax回归
Softmax分类MNIST手写数字识别项目案例
TF框架模型的保存和加载
8) TF实现DNN多层神经网络
9) DNN分类MNIST手写数字识别项目案例
10) Tensorboard模块可视化
这些就是深度学习涉及到的一些知识,一般来说深入理解神经网络算法及其优化算法,掌握TensorFlow开发流程,通过实现神经网络完成回归和分类任务。TensorFlow框架学好了,其它深度学习框架比如Keras、PyTorch掌握起来易如反掌。另外可以进行一些实战,这样才更熟练。
而神经网络需要学习的有:
从生物神经元到人工神经元
激活函数Relu、Tanh、Sigmoid
透过神经网络拓扑理解逻辑回归分类
透过神经网络拓扑理解Softmax回归分类
透过神经网络隐藏层理解升维降维
剖析隐藏层激活函数必须是非线性的原因
神经网络在sklearn模块中的使用
水泥强度预测案例及绘制神经网络拓扑
BP反向传播算法需要学习的有:
BP反向传播目的
链式求导法则
BP反向传播推导
不同激活函数在反向传播应用
不同损失函数在反向传播应用
Python实现神经网络实战案例
TensorFlow深度学习工具设计到:
TF安装(包含CUDA和cudnn安装)
TF实现多元线性回归之解析解求解
TF实现多元线性回归之梯度下降求解
TF预测california房价案例
TF实现Softmax回归
Softmax分类MNIST手写数字识别项目案例
TF框架模型的保存和加载
8) TF实现DNN多层神经网络
9) DNN分类MNIST手写数字识别项目案例
10) Tensorboard模块可视化
这些就是深度学习涉及到的一些知识,一般来说深入理解神经网络算法及其优化算法,掌握TensorFlow开发流程,通过实现神经网络完成回归和分类任务。TensorFlow框架学好了,其它深度学习框架比如Keras、PyTorch掌握起来易如反掌。另外可以进行一些实战,这样才更熟练。
展开全部
想学习的话可以去一家专业的学校,可以在网上多查找一些相关的资料,进行对比分析后做出自己的选择。
已赞过
已踩过<
评论
收起
你对这个回答的评价是?
展开全部
深度学习一般就是指的是人工智能方面的学习,你可以从这个方向来找一下
已赞过
已踩过<
评论
收起
你对这个回答的评价是?
展开全部
我们将了解深度学习如何实现,并继续讨论它与#机器学习和人工智能的不同之处。我们也会看一下神经网络是什么,以及它们是如何被训练来识别手写数字的。
本回答被网友采纳
已赞过
已踩过<
评论
收起
你对这个回答的评价是?
展开全部
可以在网上多多了解哦
已赞过
已踩过<
评论
收起
你对这个回答的评价是?
推荐律师服务:
若未解决您的问题,请您详细描述您的问题,通过百度律临进行免费专业咨询