Python大数据分析与挖掘实战课件 8 深度学习与实现.pptxVIP

深度学习与实现

目录CONTENTS深度学习简介01深度学习框架介绍02TensorFlow基础03多层神经网络04卷积神经网络05循环神经网络02

01深度学习简介

深度学习的定义与起源2006年，GeoffreyHinton提出非监督数据上建立多层神经网络的有效方法，开启了深度学习在学术界和工业界的浪潮。这就是深度学习，其本质是通过构建具有多隐层的机器学习模型和海量的训练数据，来学习更有用的特征，从而最终提升分类或预测的准确性。深度学习是机器学习的分支，通过构建多层神经网络模型和海量训练数据，学习更有用的特征，从而提升分类或预测的准确性。其“深度”指多层连续表示，而非更深层次的理解。

深度学习的应用与影响深度学习的概念是源于人工神经网络的研究，随着计算机硬件的不断进步，各类丰富的数据集和算法的进一步改进，运用深度学习最成功的莫过于视觉和听觉等感知问题，比如图像处理、人脸识别、语音识别等等各个领域突飞猛进，依托于互联网、智能手机等成熟技术的应用，在实践中取得了革命性突破进展，而这些问题所涉及的技术也驱动这深度学习的发展更加繁荣，开始朝着软硬件方向进一步的发展，比如最新的AI芯片硬件和AlphaGo为代表的软件方面的快速发展，新的智能时代正在到来！8.1深度学习框架简介

02深度学习框架简介

深度学习本质是有许多隐藏层的各种神经网络拓扑，且其深度神经网络的层数往往很庞大，那么如