深度学习
TRES COSAS QUE ES NECESARIO SABER
深度学习在técnica de aprendizaje automático que enseña我们可以看到一个对人物的自然结果:对中间人物。深度学习在tecnología, clave和vehículos，我们的指挥允许我们在señal，我们停止并在peatón和我们的farola进行区分。结果最基本的控制方式是在故事中，例如teléfonos，平板电脑，电视等。这是我最深刻的想法，atención últimamente，我的想法是。Está这是不可能的结果。
CON EL深度学习，联合国莫德洛informáticoaprende一个realizar tareas德clasificacióndirectamente一个partir德imágenes，textoØSONIDO。洛杉矶modelos德深学习pueden obtener UNA精密德先锋阙，EN ocasiones，SUPERA EL rendimiento humano。洛杉矶modelos SE entrenan mediante未amplio CONJUNTO德DATOS etiquetadosŸarquitecturas德REDES neuronales阙contienen我是欢迎协调方案。
¿科莫logra EL深度学习UNOS resultados谭impresionantes？
En una palabra: precisión。这是一份深刻的报告。为了在现实生活中为我们的期望提供一个electrónica的消费，你的结果是至关重要的:críticas para la seguridad, tales como los vehículos sin conductor。我们可以在últimos前面，在ámbito我们的观点是深刻的，我们可以在这个观点的另一个方面，我们可以在这个观点的另一个方面，我们可以在这个观点的另一个方面，我们可以在这里;Por ejemplo, en la clasificación de objetos presents en imágenes。
Aunque拉斯primerasteorías自我EL aprendizaje profundo SE desarrollaron EN LAdécada德洛斯ochenta，existen DOS razones principales POR拉斯独奏公顷empezado一个resultar UTIL recientemente阙：
- 深度学习需要大量的时间DATOS etiquetados．请大家听我说，在vehículo的指引下，我们必须在imágenes y英里的方向上，在vídeo。
- 深度学习需要一个potencia德弗雷明significativa。如果我们想要一个更好的结果，那么我们就应该对这个结果进行深入的研究。在combinación con clusters o con el cálculo En la nube中，允许我们在必要的时候对我们的记忆进行一次深刻的总结，并把我们的记忆包括进来。
Ejemertos de Deep学习ENLAPRACTICA
深度学习的应用可以在conducción autónoma和médicos中应用。
Conduccion自治:我们调查了ámbito de la automoción emplean el aprendizaje profundo para detectar automáticamente objetos tales como señales de stop y semáforos。Además，我认为我们应该更深入地利用探测煤，以减少事故的发生。
航空航天和国防部门:El Apenizaje Profundo Se Utiliza Para Indemiftar Objetos DesdeSatélitesQuelocalizanáreasdeInterése Identifican las zonas seguras o no seguras para las tropas。
Investigacion》:我们的调查对象是cáncer实用程序células cancerígenas形式automática。加州大学洛杉矶分校的阿尔格诺斯在显微镜下解释了我们的理论，并得出了一个多维度的结论，我们的结论是:aplicación，我们的结论是:precisión, las, células cancerígenas。
Automatizacion工业:我的建议是:está我希望我的建议是:我希望我的建议是:我们希望我的建议是:está我希望我的建议是:我们希望我的建议是:detección automática我希望我的建议是:我们的建议是:máquinas。
Electrónica（CES）：El ApenizajeElectrónicoSeUSA US Un LaAudiciónIomaItatizaday LaTraduccióndelHabla。Por Ejealto，Los Dissositivos de Asistenciadomésticaque respollena a la voz y conocen sus pleomencias se basan en aplicaciones de aprendizaje profundo。
我们的建筑设计红色的神经元，Por Lo Que，Menudo，Los Modelos de Aprendizaje Profundo Se Denominanredes neuralales profundas．
萨尔瓦多término“profundo” suele hacer referencia人NÚMERO德CAPAS ocultas连接德拉雷德神经。拉斯REDES neuronales tradicionales独奏contienen DOSöTRES CAPAS ocultas，mientras阙拉斯REDES profundas pueden特纳闪现150。
深度学习的模式是在中间的，我们可以把它作为神经系统的一部分来指导它，必须在extracción手册características中。
菲古拉1：网络工程neuronales organizadas连接CAPAS阙constan日乌纳意甲德nodos interconectados。拉斯维加斯REDES pueden特纳decenasØcientos德CAPAS ocultas。
Uno de lostiposmásppathtedesde Redes neuralones profundas son las conocidadas comoredes neuralales accolucionales（CNN.O.Convnet）．UNA CNN Convoluciona LasCaracterísticasAprendidas antodas de entrada y epprea capas vercolucionales 2d，lo Cual Hace Que Esta Arquitectura Resultee Adecuada Para Procesar Datos 2D，Tales Comoimágenes。
拉斯维加斯CNN eliminan拉necesidad日乌纳ExtraccióndeCaracterísticas手册，POR LO QUE NO ES NECESARIO IDITIPLAR LAS CARARTYSTICAS Utilizadas Para Clasificar LasImágenes。La CNN Fucciona Mediante LaExtraccióndeCacelacterísticasDiredmentede lasImágenes。Lascaracterísticas相关联No Se Entrenan Previamente;SE APRENDEN MIESTRAS LA RED SE ENTRENA CON UNACOLECCIONENDEMÁGENENENEN。EstaExtraccióndeCaracterísticas自动化Automatizada Que Los ModelOS De Dee Deeve学习Sean Muy precisos Para Tareas deVisión人工，Tales Como LaClasificacióndebojetos。
菲古拉2：Ejemplo德UNA红CON我是欢迎CAPAS convolucionales。SE APLICAN Filtros A CADA IMAGEN DE ENTRENAMIENTO CONTINTINTAS MOLESUCIONES，Y LA SALIDA DE CADA IMIGEN CONVOLUCIONADA SE EMPLEA COMO Intrada Para La Siguiente Capa。
LAS CNN Aprenden A探测器差异CaracterísticasDeNoImagen Mediante Decenas O Cientos de Capas Ocultas。Cada Capa OcultaAumenta LaComplejidaddeLasCaracterísticasde la Imagen Aprendidas。Por Ejealla，La Primera Capa OcultaPodríaAprenderCómo侦探Bordes，La Segunda AprendeCómo侦探FormasmásComplejasPraviasde la Forma del Objeto Que Se Intento Compercer。
我们在机器学习和深度学习之间有什么区别?
EL深入学习ES UNA Forma Especializada de AprendizajeAutomático。UN Flujo de Trabajo De Machine Empieza Con LaExtracciónManualde LasCaracterísticas相关联伊瓦尔斯。estascaracterísticasse ulerizan entonces para crear联合国Modelo que patchoriza los objetos de la imagen。Con Un Flujo de Trabajo de Dee Deep Learning，LasCaracterísticas相关联的SeatingSivemente de LasImágenes。Además，El Apenizaje Profundo Reviza Un“Aprendizaje Privico”，ES DECIR，SE Proporcionan Datos Sin Procesar Y Una Tarea Que Realizar，Como Puede Ser UnaClasificación，一个Una Red，La Cual AprendeCómoHacerloautomáticamente。
另一个区别在于深度学习的算法在数据的基础上，在表面的基础上，存在收敛。肤浅的人可以参考métodos de aprendizaje automático我们可以参考一个人可以参考一个人可以参考一个人可以参考一个人más我们可以参考一个人可以参考一个人。
Una Ventaja基本de las redes de aprendizaje profundo es que suelen seguir mejorando a medida queaumenta eltamañode los datos。
Figura 3.ComparacióndeNenfoqueDeAprendizajeAutomáticoPara La ParaathatorizacióndeVevículos（Izquierda）Con El Aprendizaje Profundo（德奈）。
恩EL机器学习，SE seleccionan manualmente拉斯CARACTERÍSTICASŸ联合国clasificador对clasificarlas。CON EL aprendizaje profundo，洛杉矶pasos德extracción德CARACTERÍSTICASŸmodelización儿子automáticos。
Eleccióntenreel aprendizajeautomáticoy el Apenizaje Profundo
El ApenizajeAutomáticoReceUna SeriedeTécnicasy Modelos Que Se PuedenSeleccionarneCencióndeLaaplicación，eltamañode los de los datos procesados y el tipo de问题que se desea resea resea que se desea de aquatea dea dea问题que se desea de问题。Unaaplicaciónferceade aprendizaje profundo zhiere una gran cantidad de Datos（Miles deimágenes）Para entrenar el Modelo，AsíComoGPUØunidades德procesamiento画报对procesar洛杉矶DATOS CON rapidez。
大家都很熟悉这里的礼仪automático大家都很熟悉这里的礼仪，如果大家都很熟悉这里的礼仪，我们就在这里讲一讲这里的礼仪。如果不能把它说成是事实，那就只能在más上使用它，automático上使用它。这是我们的研究成果:más complejo, así que necesitará al menos unos pocos miles de imágenes para obtentados fiables。我们可以在下面的imágenes中进行分析，我们可以在下面的imágenes中进行分析。
Cómo，我们需要一个深刻的认知模式
我们的形式是:más习惯地使用我们的结论。我们的观点是:clasificación反对我们的观点。
Entrenamiento desde CERO
帕拉entrenar UNA红股深desde CERO，SE recopila联合国CONJUNTO德DATOS etiquetados MUY amplioŸSEdiseñaUNA建筑师事务所德红阙aprenda拉斯CARACTERÍSTICASŸ埃尔莫德洛。埃斯托resulta UTIL对拉斯aplicaciones NUEVASØ拉斯aplicaciones阙tendrán未NÚMEROMUY elevado德categorías德萨利达。埃斯特enfoque ES menoscomúnporque，debido一拉大cantidad德DATOS为y的拉velocidad德aprendizaje，SE suele tardar迪亚斯Øsemanas连接entrenar estas REDES。
Transferencia德尔aprendizaje
LaMayoríade las Aplicaciones de Aprendizaje Emplean El Enfoque detransferencia德尔aprendizaje，联合国Proceso Que Implica El Ajuste Detallado de Un Modelo Previmmente Entrenado。硒empieza CON德拉雷德existente，科莫POR ejemplo AlexNetØGoogLeNet，Y种下proporcionan DATOS阙的Nuevos contienen clases previamente desconocidas。达拉斯奥斯realizar algunos ajustes EN德拉雷德，ES更多钞票realizar UNA利亚努埃瓦，POR ejemplo，categorizar独奏洛杉矶佩罗斯Ø洛斯加托斯连接卢格日1000个objetos distintos。埃斯托tambiéntiene拉ventaja德necesitar muchos menos DATOS（SE procesan英里德imágenes连接卢格德millones），去备考阙时代报德cálculoSE减少horasØminutos。
现在的转移需要在以前存在的情况下的内部元素之间的联系，在新的情况下的形式可以修改。MATLAB®我们可以把我们的身体机能转到diseñadas，我们可以把我们的身体机能转到别处。
ExtraccióndeCaracterísticas
我们要经常联系我们的朋友más特别要联系我们的朋友relación要对我们的朋友有深刻的了解器de caracteristicas．我们可以向您介绍我们的信息:características de aprendiazaje de las imágenes, estas características我们可以向您介绍我们的信息，我们可以向您介绍我们的信息。一个continuación, se pueden usar estas características como entrada para un莫德洛德aprendizaje AUTOMATICO，POR ejemplo，拉斯MAQUINAS德vectores德soporte（SVM）．
Aceleración de modelos de Deep Learning con GPU
El Entrenamiento de Un Modelo de Aprendizaje Profundo Puede Llevar Modo Tiempo，DesdeDíasHastaSemanas。El Uso de laAceleraciónMedianteGPU普及Agilizar Este Proceso意义。Si Se Upprea Matlab Con Una GPU，SE减少El Tiempo Necesario Para entrenar Una Red Y Se Puede Zhortar El Tiempo de Entrenamiento para联合国问题德克雷斯康·帕拉德·德尼亚斯德Para entrenar Los ModelOS de Aprendizaje Profundo，Matlab Upplea GPU（SiEstánImatonibles）Sin Que Sea Necesario EntenderCómoprogramarlas de Forma Expliscita。
Figura 4。深度学习工具箱的工作人员将会为我们提供一种新的学习模式，并为我们提供一种新的学习模式。
aplicaciones de深度学习
有可能将深奥的神经学模型应用于我们的问题，请将深奥的神经学模型转移到extracción到características。对于MATLAB的通常情况，algunos modelos disponbles son AlexNet, VGG-16和VGG-19, así como modelos de Caffe (por ejemplo, de Caffe Model Zoo) que se important mediante importcaffennetwork。
USO de AlexNet Para Commenter Objetos Con La WebCam
利用MATLAB，一个简单的网络摄像机和一个红色的神经元深孔，对我们已经看到的物体进行了比较。
ejetrepo：deteccióndebjetosmediante el深受学习
铝margen德尔recodcimiento de objetos.阙identifica联合国objeto concreto EN UNA imagen画质Ø取消视频，EL aprendizaje profundo SE puede emplear对拉deteccióndebojetos．拉deteccióndebojetos这意味着在一个场景中对局部物体进行检查，并允许对不同的成像对象进行检查。
Matlab Hace Que El Apenizaje ProfundoResulteFácil。Con Herramientas Y Funciones Para Andressar Granders Grantos de Datos，MatlabTambiénofrece工具箱Especializadas para trabajar Con AprendizajeAutomático，Redes Neuralales，Visión人造YConducciónIomaItaTizada。
精读UNAS pocaslíneas德código，MATLAB permite realizar EL aprendizaje profundo罪SER联合国experto。Podráponerse恩MARCHArápidamente，CREARÿvisualizar modelosØdesplegar modelos连接servidoresŸdispositivos embebidos。
我们的设备éxito很好地利用MATLAB对我们的研究进行了深入的研究。
- 请将模型可视化为líneas de código。
MATLAB允许建立一个关于悬臂的理论模型mínima de código。在MATLAB中，它可能是重要的rápidamente模型，previamente entrenados, para visual ar, depurar, resultados intermedios, medida, que se, parámetros de entrenamiento。
- 利用深度学习是一种经验。
我们利用MATLAB来总结一些深刻的经验。La mayoría de nosotros nunca已经有了一个非常清醒的深刻认识。我想在práctica上签名。MATLAB转换为可访问的形式。Además, MATLAB允许我们的专家对我们的研究进行深入的研究在我们的研究中我们可以通过científicos我们可以通过我们的研究在我们的研究中我们可以通过aplicación。
- 自动礼仪validación en terreno de imágenes y vídeos。
Matlab渗透洛杉矶欧洲偶像interactivamente los objetos contanidos en lasimágenesy puede自动zar eltiquetado de有效anciónnterenoenVídeospara entrenar y probar modelos de Aprendizaje Profundo。Este Enfoque Interactivo YiumataTizado ubede of evers mejores结果en en menos tiempo。
- Integrar el Deep Learning en un flujo de trabajo único。
matlab puend unightar varios dominios en en solo flujo de trabajo。精读MATLAB，ES更多钞票pensarŸprogramar EN联合国MISMO entorno。Ofrece HERRAMIENTASŸfunciones第下午aprendizaje profundo，Ytambién对UNA系列德dominios阙alimentan洛杉矶algoritmos德aprendizaje profundo，故事科莫EL procesamiento德Senales酒店，香格里拉视觉人工ŸEL更新的时候通知德DATOS。
MATLAB允许对实际结果进行积分。MATLAB automatiza implementación我们的理论模型，在系统中，在empresa, cluster, nubes y dispositivos embidos。
请大家注意más información，请大家注意你的理论，请大家参考MATLAB那计算机视觉工具箱™那统计和机器学习工具箱™那深度学习工具箱™y自动化驾驶工具箱™．
Másfignaciónsobre深入学习
