现在最火的技术莫过于deep learning了,但是它也不是徒有虚名。目前用deep learning技术来做的图像识别已经超过了人类本身。而且在机器翻译,语音识别,自动驾驶等方面,深度学习也表现出了很大的潜力。

上图是ILSVRC(ImageNet Large Scale Visual Recognition Challenge)测试结果。人类识别的错误率大概为5%,在15年的时候基于深度学习的神经网络就已经战胜了人类。还有基于深度学习的AlphaGo也在围棋上战胜了人类。

deep learning是基于神经网络,神经网络早就有了,为什么深度学习现在会大行其道?
1. 传统的机器学习算法比如线性回归,决策树,svm等算法对于结构化的数据处理很好,但是对于非结构化数据比如图像,文本,语音等处理都没有深度学习效果明显。深度学习中用CNN来解决图像
2. 因为当前社会经历了数字化改造,我们进入了大数据时代。有着充足的数据,而深度学习的精度会随着数据量的增加而持续提高。但是传统机器学习算法在数据量达到一定值后不会再随着数据量的增加有明显的改善。
3. 计算能力和GPU,以及分布式计算平台的兴起,让需要大量计算的深度学习方法应用成为可能。
4. 算法的改进,比如原理神经网络里的激励函数式sigmoid函数,改进为ReLU函数。sigmoid函数有个问题就是当函数值接近0或者1的时候,曲线很平滑,这样在应用梯度下降来求解神经网络参数值的时候会非常慢。而ReLu函数克服了这一缺陷。从而进一步提高了计算速度。

sigmoid函数:

ReLU函数:

可能上边提到的很多概念你还不是很清楚,不要着急,从下一篇文章我们会详细介绍所有用到的概念。

发表评论

电子邮件地址不会被公开。 必填项已用*标注

%d 博主赞过: