从系列:深度学习简介
Johanna Pingel, MathWorks
在这个MATLAB中了解深度学习和机器学习的区别®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你的数据和你要解决的问题。MATLAB可以帮助您使用这两种技术——分别或作为一种组合方法。
了解更多关于使用MATLAB的深度学习.
录制时间: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。这个视频比较了两者,并提供了一些方法来帮助你决定使用哪一种。让我们从讨论猫与狗的经典例子开始。现在,在这张照片里,你看到一只猫还是一只狗?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,所以你已经学会了如何识别它们。这就是我们试图让电脑做的事情:从例子中学习并识别例子。
还要记住,有时甚至人类也会识别错误,所以我们可能会认为计算机也会犯类似的错误。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,如边缘或角,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,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。
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。在选择机器学习还是深度学习时,你应该问问自己,你是否有高性能的GPU和大量的标签数据。
如果你没有这些东西,你会有更好的运气使用机器学习胜过深度学习。这是因为深度学习通常更复杂,所以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,这样模型分析这些图像的时间就会更少。如果你选择机器学习,你可以选择用许多不同的分类器来训练你的模型。您还可能知道要提取哪些特性才能产生最佳结果。
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。
正如我们之前提到的,与深度学习相比,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流行,因为它具有高度的准确性。你不需要理解什么特征是最能代表物体的。这些都是为你而学的。但在深度学习模型中,你需要大量的数据,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。
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。