从系列:深度学习简介
Johanna Pingel, MathWorks
在此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。
视频还概述了机器学习和深度学习的不同要求。在决定是机器学习还是深度学习之前,您将了解需要问的关键问题。
机器学习和深度学习之间的选择取决于您的数据和您试图解决的问题。MATLAB可以帮助您使用这两种技术——单独使用或组合使用。
了解有关使用MATLAB进行深度学习.
记录日期: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,并提供了帮助您决定使用哪一个的方法。让我们从讨论猫对狗的经典例子开始。现在,在这张照片中,你看到猫还是狗?你怎么能回答这个问题?随着时间的推移,你可能见过很多猫和狗,因此你学会了如何识别它们。这基本上就是我们试图让计算机做的事情:从示例中学习并识别示例。
还请记住,有时甚至人类也可能识别错误,因此我们可能期望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,例如边缘或角点,以训练机器学习模型hen在分析和分类新对象时会引用这些特征。
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,你遵循一个特定的工作流程。你从一张图像开始,然后从它提取相关的特征。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,您可以跳过从图像中提取特征的手动步骤。相反,你直接将图像输入深度学习算法,然后该算法预测目标。
因此,深度学习是机器学习的一种亚类型。它直接处理图像,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范畴的东西。在选择机器学习和深度学习时,你应该问问自己是否有高性能GPU和大量标记数据。
如果你没有这两样东西,那么使用机器学习会比使用深度学习更幸运。这是因为深度学习通常更复杂,所以你需要至少几千张图像才能获得可靠的结果。你还需要一个高性能GPU,这样模型花更少的时间分析这些图像。如果你选择mach在学习过程中,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将产生最佳结果。
此外,有了机器学习,你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排列最适合您的数据。您可以使用MATLAB快速尝试这些组合。还要记住,如果您想做像人脸检测这样的事情,您可以使用现成的MATLAB示例。
正如我们前面提到的,机器学习比深度学习需要更少的数据,而且你也可以更快地获得经过训练的模型。然而,深度学习最近变得非常流行,因为它非常精确。您不必了解哪些特征是对象的最佳表示。这些都是为你学习的。但在深度学习模型中,您需要大量数据,这意味着模型可能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盒,如果有什么东西不能正常工作,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想要解决的问题。MATLAB可以帮助您使用这两种技术,分别或作为一种组合方法。欲了解更多信息,请访问mathworks.com/deep-learning。
您还可以从以下列表中选择网站:
选择中国网站(中文或英文)以获得最佳网站性能。其他MathWorks国家站点没有针对您所在位置的访问进行优化。