从系列:深度学习简介
Johanna Pingel, MathWorks
了解这个Matlab中深度学习与机器学习的差异®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程。
视频还概述了机器学习和深度学习的不同要求。您将了解在选择机器学习和深度学习之前要问的关键问题。
机器学习或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 - 单独或作为组合方法。
了解有关使用MATLAB的更多信息深度学习.
记录:2017年3月24日
深度学习和机器学习都提供培训模型和分类数据的方法。此视频比较了这两个,它提供了帮助您决定使用的方法。让我们首先讨论猫对狗的典型例子。现在,在这张照片中,你看到一只猫还是狗?你是如何回答这个的?随着时间的推移,你已经看到了许多猫和狗的机会,所以你学会了如何识别它们。这基本上是我们试图让电脑做的事情:从并识别示例。
还要记住,有时甚至人类甚至人类都可以获得错误,所以我们可能会期望一台电脑进行类似的错误。要使用标准机器学习方法进行计算机进行分类,我们可以手动选择图像的相关特征,例如边缘或角落,以便培训机器学习模型。然后,该模型在分析和分类新对象时引用这些功能。
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。当解决一个机器学习问题时,你需要遵循一个特定的工作流程。你从一张图像开始,然后从中提取相关特征。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,你可以直接将图像输入深度学习算法,然后由它来预测目标。
如此深入的学习是机器学习的亚型。它直接与图像交易,通常更复杂。对于视频的其余部分,当我提到机器学习时,我的意思是任何不在深度学习类别中的东西。在机器学习和深度学习之间选择时,您应该问自己是否具有高性能GPU和许多标记数据。
如果您没有这些内容中的任何一个,您将在深入学习中使用机器学习更好的运气。这是因为深度学习一般更复杂,因此您需要至少几千图像来获得可靠的结果。您还需要高性能GPU,因此模型花费更少时间分析这些图像。如果您选择机器学习,您可以选择在许多不同的分类器上培训您的模型。您还可能知道提取哪些功能将产生最佳结果。
另外,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功能来查看哪种安排最适合您的数据。您可以使用MATLAB快速尝试这些组合。还请记住,如果您想要做一些事情,如人脸检测,您可以使用开箱即用的MATLAB示例。
正如我们之前提到的那样,您需要更少的数据,而不是深入学习,您可以更快地达到培训的模型。然而,深度学习最近变得非常受欢迎,因为它是高度准确的。您不必了解哪些功能是对象的最佳表示。这些都是为你学习的。但在深度学习模式中,您需要大量数据,这意味着模型可能需要很长时间才能训练。
您还需要对许多参数负责,而且由于模型是一个黑盒,如果某些东西没有正常工作,就很难进行调试。
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要解决的问题。MATLAB可以帮助您使用这两种技术,可以单独使用,也可以结合使用。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一个网站:
请选择表现最佳的中国网站(中文或英文)。MathWorks的其他国家网站并没有针对您所在位置的访问进行优化。