Keras与深度学习实战 第1章 深度学习.pptxVIP

第1章 深度学习;1.1深度学习简介;;深度学习目前在很多领域的表现都优于过去的方法，在图像分类与识别、语音识别与合成、人脸识别、视频分类与行为识别等领域都有着不俗的表现。 除此以外，深度学习还涉及到与生活相关的纹理识别、行人检测、场景标记、门牌识别等领域。 人脸识别采用深度学习方法后的识别率超过了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更是取得了突破性的进展，在大规模图像分类问题上也远超传统方法。 ;2006年，杰弗里·辛顿（Geoffrey Hinton）等人在顶尖学术刊物《科学》上发表了一篇文章，该文章提出了深层网络训练中梯度消失问题的解决方案。 首先使用无监督预训练对权值进行初始化。 然后使用有监督训练微调权值。 在2012年，拥有8层网络的深层神经网络AlexNet在图片识别竞赛中取得了优异的成绩，展现了深层神经网络强大的学习能力。 此后数十层、数百层、甚至上千层的深度神经网络模型被相继提出。 神经网络和深度学习并没有本质上的区别，通常将利用深层神经网络实现的算法称为深度学习，可以认为深度学习是深层神经网络的一个代名词。 ;深度学习特指基于深层神经网络实现的模型或算法，其核心在于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