深度学习算法 - 完整指南

深度学习正在席卷全球。

这场炒作始于 2012 年左右，当时神经网络在图像识别任务上取得了超人的表现，只有少数人能够预测即将发生的事情。

在过去十年中，越来越多的算法开始出现。越来越多的公司开始将它们添加到日常业务中。

在这里，我试图涵盖多年来为各种应用（如计算机视觉和自然语言处理）而设计的所有最重要的深度学习算法和架构。

其中一些比其他算法使用得更频繁，每个算法都有自己的优势和劣势。

我的主要目标是让您大致了解该领域，并帮助您了解在每种特定情况下应该使用哪种算法。因为我知道对于想要从头开始的人来说，这似乎很混乱。

我的主要目标是让您大致了解该领域，并帮助您了解在每种特定情况下应使用哪种算法

但阅读指南后，我相信您将能够识别什么是什么，并准备立即开始使用它们。

因此，如果您正在寻找有关深度学习的真正完整指南，那就让我们开始吧。

内容

深度学习在科学界和企业界越来越受欢迎。 自 2012 年卷积神经网络在图像识别竞赛（ImageNet 大规模视觉识别挑战赛）上取得前所未有的准确性以来，每年都有越来越多的研究论文问世，越来越多的公司开始将神经网络纳入其业务。 据估计，深度学习现在是一个 25 亿美元的市场，预计到 2023 年将达到 181.6 亿美元。

疯狂的人气 每年都有越来越多的研究论文问世 到 2023 年将达到 181.6 亿

但什么是深度学习？

维基百科

神经网络

神经网络

但这样做我们能实现什么？

Datacamp Datacamp 函数逼近器。 卷积 )