从系列:深度学习简介
Shyamal Patel MathWorks
在这个MATLAB中探索深度学习的基础®技术讨论。您将了解为什么深度学习变得如此受欢迎,并通过3个概念:什么是深度学习,它如何在现实世界中使用,以及如何开始。
深度学习是一种直接从数据中学习特征和任务的机器学习技术。这些数据可以包括图像、文本或声音。该视频使用了一个图像识别问题的示例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,视频还探讨了深度学习在过去五年中迅速流行的三个原因。
了解更多关于使用MATLAB的深度学习.
录制时间:2017年3月24日
最近,深度学习得到了很多关注,这是有原因的。它在计算机视觉和自然语言处理等领域产生了巨大的影响。在本系列视频中,我们将帮助你理解为什么它如此受欢迎,并阐述三个关键概念。什么是深度学习?它在现实世界中是如何使用的?如何开始呢?
那么什么是深度学习呢?深度学习是一种直接从数据中学习特征和任务的机器学习技术。数据可以是图像、文本或声音。在本视频中,我将使用图像,但这些概念也可以用于其他类型的数据。深度学习通常被称为端到端学习。
让我们来看一个例子。假设我有一组图像,我想要识别每个图像属于哪一类对象:汽车、卡车或船只。我从一组有标签的图像或训练数据开始。标签对应于任务的期望输出。
深度学习算法需要这些标签,因为它们告诉算法图像中的具体特征和对象。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。我们使用端到端学习这个术语是因为任务是直接从数据中学习的。
另一个例子是机器人学习如何控制其手臂的运动来拿起特定的物体。在这种情况下,学习的任务是如何在给定输入图像的情况下拾取对象。如今,许多用于深度学习的技术已经存在了几十年。例如,自20世纪90年代以来,深度学习已经被用于识别邮政服务中的手写邮编。
深度学习的使用在过去五年中激增,主要是因为三个因素。首先,深度学习方法在分类图像方面比人们更准确。其次,gpu使我们能够在更短的时间内训练深度网络。最后,在过去几年中,深度学习所需的大量标记数据已经可以访问。
大多数深度学习方法都使用神经网络架构。这就是为什么你经常听到深度学习模型被称为深度神经网络。一种流行的深度神经网络被称为卷积神经网络,简称CNN。CNN特别适合处理图像数据。
深度这个术语通常指的是神经网络中隐藏层的数量。传统的神经网络只有两到三层隐藏层,而最近的一些深度网络有多达150层。
现在你们已经理解了这些关键的深度学习概念,这里有几个例子你们可以用MATLAB来尝试:识别或将物体分类,如这里所见,一个深度网络对我桌上的物体进行分类;检测或定位图像中感兴趣的物体,就像在这个例子中,我们使用深度学习来检测图像中的停止标志。
我希望这个概述对你有帮助。欲了解更多信息,请访问我们的网站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。