20161017足球之夜

兔街镇新闻网

2018-07-23

字号

大数据文摘作品编译:新知之路、小饭盆、钱天培今年8月,吴恩达的深度学习课程正式上线,并即刻吸引了众多深度学习粉丝的“顶礼膜拜”。一如吴恩达此前在Coursera上的机器学习课程,这几门深度学习课程也是好评如潮。在诸多粉丝中,加拿大国家银行金融市场的首席分析师Ryan J. Shrott从前三门深度学习课程中总结出了21点心得,总结了该系列课程的诸多精华。今天,文摘菌就带大家一起来读一读这份“学霸“笔记。首先来看一下Ryan对该课程的总体评价:吴恩达先生(Andrew Ng)的3门课程都超级有用,教会了我许多实用的知识。吴教授擅长过滤掉流行词汇,用一种清晰简洁的方式解释了一切。比如他阐明了监督式深度学习(supervised deep learning)只不过是一个多维的曲线拟合程序,而其他任何具有代表性的理解,如人类神经系统的通用参照,则有些太过玄乎了。官方介绍说只需要有一些基本的线性代数和Python编程知识就可以听懂这些课程。然而我认为你还应该懂得矢量微积分(vector calculus),有助于懂得优化过程的内部机理。如果你不关心内部如何运行,只是关注获取更高层面的信息,你可以跳过那些微积分的视频。下面,就是Ryan在学习完该系列课程后的心得。心得1:为什么深度学习得以迅速发展我们人类当今拥有的90%的数据都是于最近2年内收集的。深度神经网络(DNN’s)可以更好地利用大规模的数据,从而超越较小的网络及传统学习算法。此外,还有好多算法方面的革新使DNN‘s的训练变得非常快。比如将Sigmoid激活函数转换成ReLU激活函数已经对梯度下降等优化过程产生了巨大的影响。这些算法的优化使得研究者们的“创意-编码-验证”循环迭代速度越来越快,从而引导了更多的创新。心得2:深度学习内的矢量化(vectorization)
20161017足球之夜
责任编辑:宿绍军剧常坤新闻报料:4009-0-3250   未经授权不得转载
关键词 >> 20161017足球之夜

继续阅读

评论(4728)

追问(1094)

热新闻

可能价值龙头和成长龙头

新闻APP下载

客户端下载

热话题

金沙国际娱乐热门推荐

关于thepaper网联系我们版权声明金沙国际娱乐广告友情链接