TensorFlow2深度学习实战全书电子教案完整版课件.pptxVIP

;汤晓鸥教授、王晓刚及其研究团队开发了一个名为DeepID（深分证）的深度学习模型，在LFW（Labeled Faces in the Wild）数据库，即人脸识别上获得了99.15%的识别率，超过目前非深度学习算法以及人类的识别率。 深度学习技术在语音识别领域中更是取得了突破性的进展，在2009年杰弗里·辛顿（Geoffrey Hinton）和邓力（Deng Li）将深度神经网络用于声学模型建模，用于替代高斯混合模型，使用了深度神经网络后，语音识别的词错误率相对高斯混合模型降低了30%，同时发现了在训练数据足够的情况下，并不一定需要进行预训练。;深度学习方法是具有多层次特征描述的特征学习，通过一些简单但非线性的模块将每一层特征描述（从未加工的数据开始）转化为更高一层的、更为抽象一些的特征描述。 深度学习的关键在于这些层次的特征不是由人工设计的，而是使用一种通用的学习步骤从数据中学习获取的。 深度学习特指基于深层神经网络实现的模型或算法，其解决的核心问题之一就是自动地将简单的特征组合成更加复杂的特征，并使用这些组合特征解决问题。 深度学习是机器学习的一个分支，它除了可以学习特征和任务之间的关联之外，还能自动从简单特征中提取更加复杂的特征。 现代的深度学习已经超越了神经科学观点，它可以更广泛地适用于各种并不是由神经网络启发而来的机器学习框架。 ;深度学习算法已经广泛应用到人们生活的角