深度學習應用開發(fā) 課件 cha1 2-深度學習的特點_第1頁
深度學習應用開發(fā) 課件 cha1 2-深度學習的特點_第2頁
深度學習應用開發(fā) 課件 cha1 2-深度學習的特點_第3頁
深度學習應用開發(fā) 課件 cha1 2-深度學習的特點_第4頁
深度學習應用開發(fā) 課件 cha1 2-深度學習的特點_第5頁
已閱讀5頁，還剩8頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權，請進行舉報或認領

文檔簡介

目錄1數(shù)據(jù)量大01任務計算力提升02任務網(wǎng)絡規(guī)模大03任務1數(shù)據(jù)量大1數(shù)據(jù)量大早期的機器學習算法比較簡單，容易快速訓練，需要的數(shù)據(jù)集規(guī)模也比較小，如1936年由英國統(tǒng)計學家RonaldFisher收集整理的鳶尾花卉數(shù)據(jù)集Iris共包含3個類別花卉，每個類別50個樣本。1998年由YannLeCun收集整理的MNIST手寫數(shù)字圖片數(shù)據(jù)集共包含0~9共10類數(shù)字，每個類別多達7000張圖片。1數(shù)據(jù)量大圖2數(shù)據(jù)集大小趨勢圖1

數(shù)據(jù)集樣本數(shù)趨勢2計算力提升2計算力提升計算能力的提升是第三次人工智能復興的一個重要因素；傳統(tǒng)的機器學習算法，對數(shù)據(jù)量和計算能力要求不高，通常在CPU上可訓練完成；深度學習非常依賴并行加速計算設備，目前的大部分神經(jīng)網(wǎng)絡均使用NVIDIAGPU和GoogleTPU或其他神經(jīng)網(wǎng)絡并行加速芯片訓練模型參數(shù)；2012年基于2塊

GTX580GPU訓練的AlexNet發(fā)布后，深度學習的真正潛力才得以發(fā)揮；圍棋程序AlphaGoZero在64塊GPU上從零開始訓練了40天才得以超越所有的AlphaGo歷史版本；自動網(wǎng)絡結構搜索算法使用了800塊GPU同時訓練才能優(yōu)化出較好的網(wǎng)絡結構。2計算力提升GPU(GraphicsProcessingUnit)，圖形處理器，又稱顯示核心、視覺處理器、顯示芯片，是一種專門在個人電腦、工作站、游戲機和一些移動設備上做圖像和圖形相關運算工作的微處理器;TPU(TensorProcessingUnits)，是由Google設計的定制機器學習芯片，用于成功執(zhí)行其常規(guī)機器學習工作負載，專為Google的深度學習框架TensorFlow而設計.

2計算力提升3網(wǎng)絡規(guī)模大3網(wǎng)絡規(guī)模大早期的感知機模型和多層神經(jīng)網(wǎng)絡層數(shù)只有1層或者2~4層，網(wǎng)絡參數(shù)量也在數(shù)萬左右；隨著深度學習的興起和計算能力的提升，AlexNet(8層)，VGG16(16層)，GoogLeNet(22層)，ResNet50(50層)，DenseNet121(121層)等模型相繼被提出；同時輸入圖片的大小也從28x28逐漸增大，變成224x

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權或不適當內(nèi)容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論