深度学习概述：从感知机到深度网络

只许可应用原始数据类型的一维数组(变量)。

在GPU上运行的法度榜样只能调用 Aparapi Kernel 类本身的成员函数。

如许，大年夜部分的数据(权重、输入和输出数据)都要保存在 Matrix 实例琅绫擎，其内部是一个一维浮点数组。所有Aparapi 连接计算都是应用 AparapiWeightedSum (应用在全连接层和加权乞降函数上)、 AparapiSubsampling2D (应用鄙人采样层)或 AparapiConv2D (应用在卷积层)。这些限制可以经由过程 Heterogeneous System Architecture　里介绍的内容解决一些。并且Aparapi 许可雷同的代码运行在CPU和GPU上。

练习

我最新的工作是在Java8情况下开辟，其它一些更新的功能可以在这个branch 下获得，这部分的工作很快会merge到骨干上。

结论

本文的目标是供给一个深度进修算法范畴的一个简明介绍，由最根本的构成元素开端(感知机)并逐渐深刻到多种当前风行且有效的架构上，比如受限波尔兹曼机。

神经收集的思惟已经出现了很长时光，然则今天，你如不雅身处机械进修范畴而不知道深度进修或其它相干常识是不该该的。不该该过度宣传，但弗成否定跟着GPGPU供给的计算才能、包含Geoffrey Hinton, Yoshua Bengio, Yann LeCun and Andrew Ng在内的研究学者们提出的高效算法，这个范畴已经表示出了很大年夜的欲望。如今恰是最佳的时光深刻这些方面的进修。

卷积收集

【编辑推荐】

摆好精确姿势看 Google 神级深度进修框架 TensorFlow 的实践思路
有没有精深度进修融入机械人范畴的新测验测验？
深度进修在天然说话处理中的应用
用深度进修(CNN RNN Attention)解决大年夜范围文本分类问题 - 综述和实践
懂得深度进修的钥匙 –发蒙篇

【义务编辑：武晓燕 TEL：（010）68476606】

5/5 首页上一页 3 4 5

　　推荐阅读

　　机器学习在恶意软件检测中的应用

2、其次，我们须要大年夜样本中提取有意义的特点，这些特点也是我们研究的基本。所谓的特点指的就是可以或许描述对象的那些属性，比如，一栋房子的特点包含：房间数、房屋面积、房屋价格等>>>详细阅读

本文标题：深度学习概述：从感知机到深度网络

地址：http://www.17bianji.com/lsqh/34784.html

1/2 1