从系列中:深度学习导论
谢亚马尔·帕特尔,马修斯
在本课程中探索深入学习的基础知识®技术讲座。你将了解深度学习为何如此流行,并将了解3个概念:什么是深度学习,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功能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。视频使用一个图像识别问题示例来说明深度学习算法如何将输入图像分类为适当的类别。最后,视频探讨了ep学习在过去五年中大受欢迎。
了解有关使用MATLAB进行深度学习.
记录日期:2017年3月24日
深度学习最近得到了很多关注,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,我们将帮助您理解为什么它如此流行,并介绍三个关键概念。什么是深度学习?它在现实世界中是如何使用的?你如何开始呢?
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功能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,我想识别每个图像所属的对象类别:汽车、卡车或船只。我从一组标记的图像或训练数据开始。标签对应于任务的所需输出。
深度学习算法需要这些标签,因为它们告诉算法图像中的特定特征和对象。然后,深度学习算法学习如何将输入图像分类到所需类别。我们使用术语端到端学习,因为任务是直接从数据学习的。
另一个例子是机器人学习如何控制其手臂的运动以拾取特定对象。在这种情况下,学习的任务是如何拾取给定输入图像的对象。今天在深度学习中使用的许多技术已经存在了几十年。例如,自20世纪90年代以来,深度学习已被用于识别邮政服务中的手写邮政编码。
在过去五年中,深度学习的使用激增,主要原因有三个。首先,深度学习方法现在比人们更准确地对图像进行分类。其次,GPU使我们现在能够在更短的时间内训练深层网络。最后,在过去几年中,深度学习所需的大量标记数据已变得可访问。
大多数深度学习方法使用神经网络结构。这就是为什么你经常听到被称为深度神经网络的深度学习模型。一种流行的深层神经网络称为卷积神经网络(CNN)。CNN特别适合处理图像数据。
术语deep通常指神经网络中隐藏层的数量。虽然传统的神经网络只包含两到三个隐藏层,但最近的一些深层网络有多达150层。
现在,您已经了解了这些关键的深度学习概念,下面是一些可以使用MATLAB尝试的示例:识别或分类对象,如图所示,深度网络对我桌上的对象进行分类;检测或定位图像中感兴趣的对象,如本例所示,我们使用深度学习来检测在图像中签名。
我希望这篇概述对您有所帮助。要了解更多信息,请访问我们的网站:mathworks.com/deep-learning。
您还可以从以下列表中选择网站:
选择中国站点(中文或英文)以获得最佳站点性能。其他MathWorks国家/地区网站未针对您所在地的访问进行优化。