vip大数据深度学习ppt.pptVIP

四、深度学习常用框架 五、深度学习应用 1. 图像识别应用 2. 音频识别应用 3. 视频识别应用 4. 自然语言处理应用 自动问答系统 5. 多模态学习应用 Image+Text二模态特征学习任务 6. 多任务学习应用 优点： (1) 相关任务联合学习，能取得较好的特征表达； (2) 多任务联合学习，能增强损失函数的作用效能。 比如单独进行人脸检测会比较难(光照、遮挡等因素)，但当人脸检测与人脸识别这两个相关的任务联合学习时，人脸检测的难度反而降低了。 深度迁移网络为女性推荐、合成最合适的彩妆，包括眼影粉底唇彩 7. 迁移学习应用 迁移学习，简单讲，就是能让现有的模型算法稍加调整即可应用于一个新的领域和功能的一项技术。 8. 大尺度数据集应用 样本总数100M; 类别总数10K; 特征维数10K 六、深度学习存在问题 (1) 大数据所含巨大数据规模要求更加复杂的深度模型挖掘有价值的信息和特征，因而对计算能力提出更高的要求; (2) 如何充分利用GPU的并行处理能力, 提高模型的训练效率； (3) 训练模型时，如何合理的选择模型的深度、隐含层单元数等来保证训练模型性能; (4) 目前，深度学习的研究进展并没有坚实的理论支撑，需进一步完善理论进行更好的指导。