从系列:深度学习导论
Johanna Pingel, MathWorks
在这个MATLAB中学习深度学习和机器学习的区别®技术讨论。遍历几个示例,并学习如何决定使用哪个方法。
本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要求。在决定机器学习还是深度学习之前,你将了解要问的关键问题。
机器学习和深度学习之间的选择取决于你的数据和你试图解决的问题。MATLAB可以帮助您使用这两种技术——单独使用或组合使用。
学习更多关于使用MATLAB的知识深度学习。
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。本视频对这两种方法进行了比较,并提供了一些方法来帮助您决定使用哪一种方法。让我们从讨论猫和狗的经典例子开始。现在,在这幅画中,你看到一只猫还是一只狗?你怎么能回答这个问题?你可能见过很多猫和狗,所以你学会了如何识别它们。这就是我们试图让计算机做的事情:学习和识别例子。
还要记住,有时候即使是人类也会识别错误,所以我们可能会认为计算机也会犯类似的错误。要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,比如边角,以训练机器学习模型。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,您要遵循特定的工作流程。你从一张图片开始,然后从中提取相关的特征。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,你可以跳过从图像中提取特征的手动步骤。相反,你将图像直接输入到深度学习算法中,然后由算法预测对象。
所以深度学习是机器学习的一个子类。它直接处理图像,而且通常更复杂。在视频的其余部分,当我提到机器学习时,我指的是任何不属于深度学习的东西。在选择机器学习还是深度学习时,你应该问问自己是否有高性能的GPU和大量标记数据。
如果你没有这两种能力,那么使用机器学习比深度学习更有优势。这是因为深度学习通常更复杂,所以你至少需要几千张图片才能得到可靠的结果。你还需要一个高性能的GPU,这样模型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。您还可能知道要提取哪些特性才能产生最好的结果。
另外,通过机器学习,您可以灵活地选择各种方法的组合。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快速尝试这些组合。还请记住,如果您正在寻找做像人脸检测这样的事情,您可以使用开箱即用的MATLAB示例。
正如我们前面提到的,与深度学习相比,机器学习需要的数据更少,而且您也可以更快地得到一个经过训练的模型。然而,深度学习最近变得非常流行,因为它是高度准确的。您不需要了解哪些特性是对象的最佳表示。这些都是为你而学的。但是在深度学习模型中,你需要大量的数据,这意味着这个模型需要很长的时间来训练。
您还需要负责许多参数,并且由于模型是一个黑箱,如果某些东西不能正常工作,可能很难调试。
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试图解决的问题。MATLAB可以分别或结合使用这两种技术来帮助您。想了解更多,请访问mathworks.com/deep-learning。
你也可以从以下列表中选择一个网站:
选择中国网站(中文或英文)以获得最佳网站表现。其他MathWorks国家站点不适合来自您所在位置的访问。
这个网站使用cookies来改善你的用户体验,个性化内容和广告,并分析网站流量。继续使用本网站,即表示您同意我们使用cookies。请参阅我们的隐私政策了解更多关于cookies和如何更改您的设置。