联系我们
- 地 址:北京市海淀区北四环西路9号 ,主 营:人脸识别,活体检测,身份证识别,银行卡识别,名片识别,车牌识别,OCR识别等及智能识别技术。
- 电 话:13146317170 廖经理
- 传 真:
- 邮 箱:398017534@qq.com
深度学习为什么能火
深度学习为什么能火
能够看出,当我们给出越多的锻炼数据时,各种算法的性能都会越高。但是各个算法之间有所区别。关于传统的机器学习算法(黑色的曲线),最开端它的性能也在提升,但是后来,无论你再怎样添加锻炼数据它的性能都不再提升了。再多的数据也是糜费。而关于小型神经网络,它的性能是会随着数据量不时提升的,但是提升的幅度不大,中型网络幅度要大些,大型网络幅度就更大些。
上图指的锻炼数据是带标签的数据,即有x,y标签的。不是一切的数据神经网络都认识,它只认识那些带标签的数据(可锻炼的样本)。由于当前有所作为的都还只是监视学习型的神经网络。在可锻炼的数据集很小的状况下,极有可能某人完成的传统的机器学习算法会比你的大型神经网络的性能还高。
深度学习范畴的进步主要靠不时增长的锻炼数据量以及不时增长的计算力(CPU和GPU的开展)。 但在过去的几年里我们开端看到了宏大的算法创新。当然其中很多算法创新都只是为了让神经网络运转得更快(相当于提升计算力)。例如,一个宏大的打破就是用relu函数替代了sigmoid函数。在sigmoid函数的某些区域的斜率简直为零,所以使学习变得很慢,而relu函数的斜率不断都很大,这些新的算法大大缩短了神经网络的锻炼周期,让我们能够锻炼更大的神经网络、应用上更多的锻炼数据。
强大计算力很重要的另一个缘由是,它能够让你更快的考证本人的想法,以便不时试错,以得到更好的想法。例如,你有一个神经网络架构的想法,你用代码完成了你的想法,然后运转它,停止锻炼,然后经过察看它,剖析运转结果,然后你再修正本人的想法细节,然后再运转再察看再修正…。就这样不停地来回试错,所以执行这个试错的周期就很关键了。
所以深度学习火起来的三大要素就是,数据,计算力,算法。而算法在不时的被创新,锻炼数据不时在被搜集,计算力CPU、GPU不时在加强,所以我很有自信心,深度学习会越来越强大。