深度学习导论:机器学习与深度学习
从系列中:深度学习概论
在这个MATLAB中了解深度学习和机器学习之间的区别®技术讨论。浏览几个示例,并学习如何决定使用哪种方法。
该视频概述了解决机器学习问题的具体工作流程。
视频还概述了机器学习和深度学习的不同需求。您将了解在决定是选择机器学习还是深度学习之前要问的关键问题。
机器学习还是深度学习的选择取决于你的数据和你想要解决的问题。MATLAB可以帮助您实现这两种技术—单独使用或结合使用。
了解更多关于使用MATLAB深度学习.
记录:2017年3月24日
深度学习和机器学习都提供了训练模型和分类数据的方法。本视频对两者进行了比较,并提供了一些方法来帮助你决定使用哪一种。让我们从讨论猫和狗的经典例子开始。现在,在这张照片中,你看到一只猫还是一只狗?你是怎么回答这个问题的?随着时间的推移,你可能见过很多猫和狗,所以你已经学会了如何识别它们。这就是我们想让电脑做的事情:从例子中学习和识别。
还要记住,有时甚至人类也会犯识别错误,所以我们可能会认为计算机也会犯类似的错误。为了让计算机使用标准的机器学习方法进行分类,我们需要手动选择图像的相关特征,比如边缘或角落,以便训练机器学习模型。然后,模型在分析和分类新对象时引用这些特征。
这是一个物体识别的例子。然而,这些技术也可以用于场景识别和目标检测。在解决机器学习问题时,要遵循特定的工作流程。你从一张图像开始,然后从中提取相关特征。然后创建一个描述或预测对象的模型。另一方面,通过深度学习,您可以跳过从图像中提取特征的手动步骤。相反,你可以直接将图像输入深度学习算法,然后由该算法预测目标。
所以深度学习是机器学习的一个子类。它直接处理图像,通常更复杂。在接下来的视频中,当我提到机器学习时,我指的是任何不属于深度学习范畴的东西。当你在机器学习和深度学习之间做出选择时,你应该问问自己,你是否拥有高性能的GPU和大量的标记数据。
如果你不具备这两种条件,使用机器学习比使用深度学习会更好。这是因为深度学习通常更复杂,所以你至少需要几千张图像才能得到可靠的结果。你还需要一个高性能的GPU,这样模型就可以花更少的时间分析这些图像。如果您选择机器学习,您可以选择在许多不同的分类器上训练您的模型。您还可以知道提取哪些特征会产生最好的结果。
另外,通过机器学习,您可以灵活地选择多种方法的组合。使用不同的分类器和特性来查看哪种安排最适合您的数据。您可以使用MATLAB快速地尝试这些组合。还要记住,如果您想要做人脸检测之类的事情,您可以使用开箱即用的MATLAB示例。
正如我们之前提到的,与深度学习相比,使用机器学习需要的数据更少,而且可以更快地得到训练过的模型。然而,深度学习最近变得非常受欢迎,因为它是高度准确的。你不需要理解哪些特征是物体的最佳表现。这些都是为你学习的。但在深度学习模型中,你需要大量的数据,这意味着模型需要很长时间来训练。
您还需要对许多参数负责,而且由于模型是一个黑箱,如果某些东西不能正常工作,就很难进行调试。
总之,机器学习和深度学习之间的选择取决于你的数据和你想要解决的问题。MATLAB可以帮助你实现这两种技术,可以单独使用,也可以结合使用。想了解更多,请访问mathworks.com/deep-learning。
相关产品s manbetx 845
了解更多
您也可以从以下列表中选择网站:
如何获得最佳的网站性能
选择中国网站(中文或英文)以获得最佳的网站表现。其他MathWorks国家网站没有针对从您的位置访问进行优化。