当前位置:   article > 正文

什么是深度学习?kears简介,深度学习常用的三大模型,MLP(多层感知机),CNN(卷积神经网络),RNN(循环神经网络)_mlp流程图

mlp流程图

什么是深度学习?

简单理解深度学习就是人类容易做的事情,机器不容易完成的事情。(实例:人脸识别,这个例子很好的证明了这句话。假如你识别一个人 ,今天这个人长这个样子,明天脸上有一块伤口,我们人是不是还可以一眼就可以识别,而机器却不好识别)。

        

深度学习模型

自然语言处理是人工智能皇冠上的明珠。

深度学习的模型

1.深度学习模型的四大部分:

        数据集、模型、学习准则、优化方法

2.深度学习模型:

        

3.深度学习模型学习方法

       基础模型:MLP,CNN,RNN

       主流模型:transformer,GPT,Bert

4.深度学习模型的学习导师:keras

Keras是一个流行的深度学习库。2017年就有250000名研发人员共同研发。

Google的tansorflow选择kears作为其库的高级API

Keras是一个致力于加速深度学习模型实施的库

Keras快速图形化模型

keras模型流程图:

        

如何构建kears构建模型:

kears模型总结:

Layer(type)

Output Shape

Param #

dense_1 (Dense)

256

200960(784X256+256)

activation_1 (Activation)

256

0

dropout_1 (Dropout)

256

0

dense_2 (Dense)

256

65792(256X256+256)

activation_2 (Activation)

256

0

dropout_2 (Dropout)

256

0

dense_3 (Dense)

10

2570(256X10+10)

activation_3 (Activation)

10

0

深度学习三大模型

MLP:多层感知机(Multilayer Perceptron)

CNN:卷积神经网络(Convolutional Neural Networks)

RNN:循环神经网络(Recurrent Neural Networks)

首先介绍MLP:

MLP是多层感知机,多层感知机是一个全连接的网络,也被称为深度前馈网络和前馈神经网络。

MLP的流程图:(拿数字手写体识别举例)

 

CNN:卷积神经网络

         

         

          

CNN模型总结:

Layer(type)

Output Shape

Param #

conv2d_1 (Conv2D)

(None, 26, 26, 64)

640

max_pooling2d_1 (MaxPooling2D)

(None, 13, 13, 64)

0

conv2d_2 (Conv2D)

(None, 11, 11, 64)

36928

max_pooling2d_2 (MaxPooling2D)

(None, 5, 5, 64)

0

conv2d_3 (Conv2D)

(None, 3, 3, 64)

36928

flatten_1(Flatten)

(None, 576)

0

dropout_1 (Dropout)

(None, 576)

0

dense_1(Dense)

(None, 10)

5770

activation_1 (Activation)

(None, 10)

0

 RNN:循环神经网络:

模型参数总结:

        MLP:参数大约27万

        CNN:参数大约8万

        RNN:参数大约7.5万

声明:本文内容由网友自发贡献,不代表【wpsshop博客】立场,版权归原作者所有,本站不承担相应法律责任。如您发现有侵权的内容,请联系我们。转载请注明出处:https://www.wpsshop.cn/w/小惠珠哦/article/detail/806663
推荐阅读
相关标签
  

闽ICP备14008679号