来自系列:深度学习介绍
Shyamal Patel,Mathworks
探索这个Matlab的深度学习基础®技术谈话。您将了解为什么深入学习变得如此受欢迎,并走过3个概念:深入学习是什么,如何在现实世界中使用,以及如何开始。
深度学习是一种机器学习技术,可直接从数据学习功能和任务。该数据可以包括图像,文本或声音。视频使用示例图像识别问题来说明深度学习算法如何学习将输入图像分类为适当的类别。最后,视频探讨了过去五年深入学习在普及中飙升的三个原因。
了解有关使用MATLAB的更多信息深度学习。
记录:2017年3月24日
深深的学习最近和充分理由得到了很多关注。它在计算机视觉和自然语言处理等领域产生了很大影响。在此视频系列中,我们将帮助您了解为什么它变得如此受欢迎和解决三个关键概念。什么是深入学习?它如何在现实世界中使用?你如何开始?
那么深度学习是什么?深度学习是一种机器学习技术,可直接从数据学习功能和任务。数据可以是图像,文本或声音。在此视频中,我将使用图像,但这些概念也可用于其他类型的数据。深度学习通常被称为最终学习。
让我们来看看一个例子。说我有一组图像,我想识别每个图像所属的对象类别:汽车,卡车或船只。我从标有一组图像或训练数据开始。标签对应于任务的所需输出。
深度学习算法需要这些标签,因为它们会告诉算法关于图像中的特定功能和对象。然后,深度学习算法学习如何将输入图像分类为所需的类别。我们使用术语端到端学习,因为任务是直接从数据学习的。
另一个例子是机器人学习如何控制其手臂的运动来拾取特定对象。在这种情况下,所学习的任务是在给定输入图像的情况下如何拾取对象。今天深入学习的许多技术已经存在了几十年。例如,深入学习已被用于自20世纪90年代以来识别邮件服务中的手写邮政编码。
在过去的五年里,使用深度学习飙升,主要是由于三个因素。首先,深入学习方法现在比分类图像的人更准确。其次,GPU使我们现在可以在更短的时间内培训深网络。最后,在过去几年中,深度学习所需的大量标记数据已进入。
最深入的学习方法使用神经网络架构。这就是为什么您经常听到被称为深度神经网络的深度学习模型。一种流行的深神经网络被称为卷积神经网络,或CNN。CNN特别适用于使用图像数据。
术语深度通常是指神经网络中的隐藏层的数量。虽然传统的神经网络仅包含两组或三个隐藏层,但最近的一些深网络具有多达150层。
因此,现在您了解这些关键的深度学习概念,这里有一些例子可以尝试使用Matlab:将对象识别或分类为类别,如这里所见,深网络在我的桌子上分类对象;在图像中检测或定位感兴趣的对象,如在此示例中,我们使用深度学习来检测图像的停止签名。
我希望你发现这个概要有用。要了解更多信息,您可以访问我们的网站Mathworks.com/Deep-Learning。
您还可以从以下列表中选择一个网站:
选择中国网站(以中文或英文)以获取最佳网站性能。其他MathWorks国家网站未优化您的位置。