李宏毅教授深度学习_李宏毅教授的深度学习视频 - CSDN
  • 李老师的视频教程相对比较系统的介绍了深度学习相关的理论。该视频教程共分成5个部分:李宏毅机器学习(2017)https://www.bilibili.com/video/av10590361?from=search&seid=456509998694502607李宏毅深度学习...

    李老师的视频教程相对比较系统的介绍了深度学习相关的理论。该视频教程共分成5个部分:

    李宏毅机器学习(2017)

    https://www.bilibili.com/video/av10590361?from=search&seid=456509998694502607

    李宏毅深度学习(2017)

    https://www.bilibili.com/video/av9770302?from=search&seid=456509998694502607

    李宏毅2017 深度学习GAN课程

    https://www.bilibili.com/video/av18603573?from=search&seid=456509998694502607

    李宏毅深度学习合辑 】Advanced Topics in Deep Learning

    https://www.bilibili.com/video/av19145699?from=search&seid=456509998694502607

    深度学习 李宏毅 】深度学习理论 Deep Learning Theory

    https://www.bilibili.com/video/av20961661?from=search&seid=4753772315676173168


    展开全文
  • 先引用他人关于李宏毅教授关于深度学习导论的PPT,应该非常容易入门。 《1天搞懂深度学习》,300多页的ppt,台湾李宏毅教授写的,非常棒。不夸张地说,是我看过最系统,也最通俗易懂的,关于深度学习的文章。“ ...

    先引用他人关于李宏毅教授关于深度学习导论的PPT,应该非常容易入门。

    《1天搞懂深度学习》,300多页的ppt,台湾李宏毅教授写的,非常棒。不夸张地说,是我看过最系统,也最通俗易懂的,关于深度学习的文章。“

    具体链接如下:百度云链接:https://pan.baidu.com/s/1os1QHXy3uE0C-t7ScbIn8A 密码:qwvj

    废话少说,先上干货,整个PPT的思维导图如下:

     

    深度学习概论

    介绍深度学习

    作者非常浅显的指出机器(深度)学习过程非常简单,分为定义方法、判断方法的优劣、挑选出最佳的方法。

    对于深度学习,首先第一步定义方法 - 神经网络。深度学习顾名思义是指多层的神经网络。

    神经网络的思想来源于对于人脑的生理上的研究,人脑由数亿个神经元组成,神经元通过轴突互相连接通信。神经网络和人脑类似,存在多个层级(layer),每个层级都有多个节点(神经元),层级和层级之间相互连接(轴突),最终输出结果。

    对于神经网络的计算能力可以理解为通过一层层Layer的计算归纳,逐步的将抽象的原始数据变的具体。以图片识别为例,输入是一个个像素点,经过每层神经网络,逐步变化成为线、面、对象的概念,然后机器有能力能够识别出来。

     

     第二步,评估方法的优劣。

    Loss function是用于评估方法优劣,通常我们用学习出来的参数对测试数据进行计算,得出对应的预测(y)然后和真实的测试数据的目标值(t)进行比对,y和t之间的差距往往就是Loss。那么评估一个算法的好坏,就是要尽可能的降低Loss。

     

    第三步,如何获得最佳的学习方法

    获得最佳的学习是采用梯度下降算法,作者也提到梯度下降算法存在局部最优解的问题。人们往往认为机器无所不能,实际上更像是在一个地图上面拓荒,对周边一无所知。神经网络计算梯度的算法是反向传播算法,简称BP。

     

    Why Deep?

    作者首先指出越多的参数往往带来越好的预测能力,所以神经网络往往参数越多越好。那么如果是同样的参数情况下,为什么层级较多的表现会更好呢?

     

    作者认为深度网络可以带来模块化的好处,随着网络的层级,神经网络会将像素元素逐渐归纳出一些基本的特征,进而变成纹理,进而变成对象。

     

    训练方法

     

    作者总结下来训练过程中会发现了两种情况:

    1. 没有办法得到很好的训练结果 ---》 重新选择训练方式

    2. 没有办法得到很好的测试结果 ---》 往往由于过度拟合导致,需要重新定义方法

     

     

    优化训练方法的手段:

    1. 选择合适的Loss function:使用Cross Entropy效果要优于Mean Square Error

    2. Mini-batch: 每次训练使用少量数据而不是全量数据效率更高

    3. Activation Function:使用ReLU替代Sigmoid可以解决梯度消失的问题,可以训练更深的神经网络

    4. Adaptive Learning Rate:可以随着迭代不断自我调整,提高学习效率

    5. Momentum: 可以一定程度上避免陷入局部最低点的问题

     

    避免过度拟合(overfitting)的方法:

    1. Early Stopping:使用cross validation的方式,不断对validation data进行检验,一旦发现预测精度下降则停止。

    2. Weight Decay:参数正则化的一种方式?

    3. Dropout:通过随机去掉一些节点的连接达到改变网络形式,所以会产生出多种网络形态,然后汇集得到一个最佳结果

    4. Network Structure: 例如CNN等其他形态的网络

     

    神经网络变体

    Convolutional Neural Network (CNN)

    通常情况下,一个CNN包含多次的卷积、池化,然后Flatten,最终再通过一个深度神经网络进行学习预测。CNN在图像、语音识别取得非常好的成绩,核心的想法在于一些物体的特征往往可以提取出来,并且可能出现在图片的任何位置,而且通过卷积、池化可以大大减少输入数据,加快训练效率。

     

    Recurrent Neural Network (RNN)

    RNN的想法是可以将hidden layer的数据存储下来,然后作为输入给下一个网络学习。这种网络的想法可以解决自然语言中前后词语是存在关联性的,所以RNN可以把这些关联性放到网络中进行学习。

     

    其他前沿技术

    Ultra Deep Network:2015年出现了152层的Residual Net实现了图片3.57%错误率

     

    Reinforcement Learning: 通过奖励机制强化学习,并且做出相应的动作

    Unsupervised Learning:

    1. Deep Style

    2. 生成图片

     

    3. 无需人工介入理解文字的含义

     

    原文链接:https://zhuanlan.zhihu.com/p/34313995

    展开全文
  • 很直观 入门很好! Lecture I: Introduction of Deep Learning Lecture II: Tips for Training Deep Neural Network Lecture III: Variants of Neural Network Lecture IV: Next Wave
  • 深度学习视频教程,中文授课,带有PPT,是难得的中文授课的深度学习视频!!
  • 台大李宏毅教授深度学习2017课程的作业ppt,是对应课程的官方作业
  • 1、深度学习,是一个矩阵计算过程,输入层,隐含层,输出层 2、神经元一层层计算 3、链接视频

    1、深度学习,是一个矩阵计算过程,输入层,隐含层,输出层



    2、神经元一层层计算




    3、链接视频








    展开全文
  • 李宏毅深度学习景点讲义PPT完整版 对于深度学习,首先第一步定义方法 - 神经网络。深度学习顾名思义是指多层的神经网络。 神经网络的思想来源于对于人脑的生理上的研究,人脑由数亿个神经元组成,神经元通过轴突...
  • 深度学习》作者:李宏毅,对AI有兴趣的朋友可以下来看下
  • 台大李宏毅教授深度学习公开课一天搞懂深度学习全部课件,这里是pdf版,还有ppt版,也会发布。这是公认的入门深度学习最好的学习资料之一。同时也会上传深度学习李宏毅全部的视频资料。
  • 1、随机梯度下降 2、 3、 4、局部最优

    1、随机梯度下降


    2、



    3、



    4、局部最优


    展开全文
  • 台达李弘毅老师的深度学习教案,深入浅出,不需要数高深的数学你都可以看懂
  • 台大教授李宏毅深度学习课程 2017中文视频讲解PPT。
  • 1新智元编译1来源:Linkedin译者:胡祥杰【新智元导读】本文是2016 台湾资料科学年会前导课程“一天搞懂深度学习”的全部讲义PPT(共268页),由台湾大学电机工程学助理教授李宏毅主讲。作者在文中分四个部分对神经...
  • 李宏毅深度学习ppt

    2020-07-17 17:50:52
    台湾大学李宏毅教授深度学习方面的一些课堂ppt资料,希望可以帮到你们
  • lectureⅠ Fully Connect Feedforward Network ...此外,softmax在增强学习领域内,softmax经常被用作将某个值转化为激活概率 Loss can be square error(方差) or cross entropy(交叉熵)between the network...
  • 李宏毅教授的课程ppt以及转换后的pdf文档,《一天弄懂深度学习》,希望对你有所帮助。 李宏毅教授的课程ppt以及转换后的pdf文档,《一天弄懂深度学习》,希望对你有所帮助。 李宏毅教授的课程ppt以及转换后的pdf文档...
  • ”《1天搞懂深度学习》,300多页的ppt,台湾李宏毅教授写的,非常棒。不夸张地说,是我看过最系统,也最通俗易懂的,关于深度学习的文章。“PPT下载地址 废话少说,先上干货,整个PPT的思维导图如下: 深度...
  • 由国立台湾大学李宏毅老师主讲的纯中文版,2020年深度学习机器学习课程开课了,2020年课程补充很多新的内容,持续更新中。 文末附本课程视频及ppt免费下载地址(持续更新)。 课程首页 ... 李宏毅(李弘毅)分别于...
1 2 3 4 5 ... 20
收藏数 577
精华内容 230
关键字:

李宏毅教授深度学习