模块104 了解深度学习与生成式AI.pptxVIP

《智能前端项目开发》了解深度学习与生成式AI

浅层学习与深度学习机器学习和人工神经网络关系机器学习和人工神经网络是实现人工智能的两大主要方法。深度学习通常使用人工神经网络，将浅层人工神经网络模型在层次上变得更为复杂，从而使模型对数据信息的处理更加深入。

浅层学习与深度学习深度学习网络深度学习颠覆了语音识别、图像分类、文本理解等众多领域的传统算法的设计思路，渐渐形成了一种从训练数据出发，经过一个端到端的模型，然后直接输出最终结果的新模式。

浅层学习与深度学习浅层学习网络所谓浅层学习网络就是只含带有一层隐藏层节点或没有隐藏层节点的学习模型。

浅层学习与深度学习深度学习与浅层学习的区别：（1）深度学习强调模型结构的深度，通常有多层隐藏层节点；“深度”一词没有特指，就是要求隐藏层得多（一般指5层、10层、几百层甚至几千层）。（2）深度学习明确突出了特征学习的重要性，通过逐层特征变换，将样本在原空间的特征表示变换到一个新特征空间，从而使分类或预测更加容易。

主流深度学习框架目前有多种开源深度学习框架，包括TensorFlow、Caffe、PyTorch、Keras、CNTK、Torch7、MXNet、Leaf、Theano、DeepLearning4、Lasagne、Neon等，下面介绍TensorFlow、Caffe、PyTorch和Keras四种较为流行的框架。

主流深度学习框架1.