深度学习 | 【01】初步介绍

红太狼 2023-01-21 02:23 15阅读 0赞

### 文章目录 ###

*   *  一、深度学习介绍
     *   *   *  1、概念
             *  2、机器学习与深度学习的区别
             *   *  2.1 特征提取
                 *  2.2 数据量
             *  3、应用场景
             *  4、常见深度学习框架
     *  神经网络介绍
     *   *   *  1、人工神经网络概念
             *  2、神经元概念
             *  3、单层神经网络
             *  4、感知机
             *   *  作用：
             *  5、多层神经网络
             *   *  5.1 全连接层
             *  6、激活函数
             *   *  6.1 作用
                 *  6.2 常见激活函数

## 一、深度学习介绍 ##

#### 1、概念 ####

> 机器学习的一个分支，是一种以人工神经网络为架构，对数据进行特征学习的算法。

#### 2、机器学习与深度学习的区别 ####

##### 2.1 特征提取 #####

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTkyNjU0Nw_size_16_color_FFFFFF_t_70]

>  *  机器学习需要有`人工`的特征提取过程；
>  *  深度学习可以通过深度神经网络`自动完成`。

##### 2.2 数据量 #####

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTkyNjU0Nw_size_16_color_FFFFFF_t_70 1]

>  *  深度学习需要大量的训练数据，会有更高的效果；
>  *  深度学习训练深度神经网络需要大量的算力，因为其中有更多的参数。

#### 3、应用场景 ####

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTkyNjU0Nw_size_16_color_FFFFFF_t_70 2]

#### 4、常见深度学习框架 ####

> `TensorFlow`，`Caffe2`，`Keras`、`Theano`、`PyTorch`、`Chainer`、`DyNet`、`MXNet`、`CNTK`；

## 神经网络介绍 ##

#### 1、人工神经网络概念 ####

> 人工神经网络（ANN)：神经网络(NN)或类神经网络，是一种`模仿生物神经网络`（动物的中枢神经系统，特别是大脑）的结构和功能的数学模型，用于对函数进行`估计或近似`。

#### 2、神经元概念 ####

>  *  在生物神经网络中，每个神经元与其他神经元相连，当它`兴奋`时，就会向相连的神经元发送化学物质，从而改变这些神经元内的电位；如果某神经元的电位超过了一个`阈值`，那么它就会被激活，即“兴奋"起来，向其他神经元发送化学物质。
>  *  1943年，McCulloch和Pitts将上述情形抽象为上图所示的简单模型，这就是一直沿用至今的`M-P神经元模型`。把许多这样的神经元按一定的层次结构连接起来，就得到了神经网络。

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTkyNjU0Nw_size_16_color_FFFFFF_t_70 3]

>  *  a1，a2……an为各个输入的分量；
>  *  w1，w2……wn各个输入分量对应的权重参数；
>  *  b为偏置；
>  *  f为激活函数【`tang`，`sigmoid`，`relu`】；
>  *  t为神经元的输出；
>  *  公式为：`t = f(W^T * A + B)`
>  *  一个神经元的功能是求得`输入向量`与`权向量`的内积后，经一个`非线性`传递函数得到一个标量的结果。

#### 3、单层神经网络 ####

> 是`最基本`的神经元网络形式，由`有限`个神经元构成，所有神经元的输入向量都是同一个向量。由于每一个神经元都会产生一个标量结果，所以单层神经元的输出是一个向量，`向量的维数`等于`神经元的数目`。单层作为了解，不常见。

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTkyNjU0Nw_size_16_color_FFFFFF_t_70 4]

#### 4、感知机 ####

> 感知机由`两层神经网络`组成，输入层接收外界输入信号后传递给输出层·（输出+1正例，-1反例)·，输出层是`M-P神经元`。

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTkyNjU0Nw_size_16_color_FFFFFF_t_70 5]

> w0……wn为权重。

##### 作用： #####

>  *  把一个n维向呈空问用一个超平面分割成两部分，给定一个输入向量，超平面可以判断出这个向量位于超平面的哪一边，得到输入时`正类或者是反类`，对应到2维空间就是一条直线把一个平面分为两个部分。
>  *  简单的二分类

#### 5、多层神经网络 ####

> 多层神经网络就是由单层神经网络进行叠加之后得到的，所以就形成了层的概念，常见的多层神经网络有如下结构:
> 
>  *  `输入层(Input layer)`，众多神经元(Neuron）接受大呈`非线形`输入消息。输入的消息称为输入向量。【特征值】
>  *  `输出层（Output layer)`，消息在神经元链接中`传输、分析、权衡`，形成输出结果。输出的消息称为输出向量。【目标值】  
>     \-`隐藏层(Hidden layer)`，简称隐层"”，是输入层和输出层之间众多神经元和链接组成的各个层面。隐层可以有`一层或多层`。隐层的节点（神经元)数目不定，但`数目越多`神经网络的非线性越显著，从而神经网络的强健性(robustness)更显著。

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTkyNjU0Nw_size_16_color_FFFFFF_t_70 6]

##### 5.1 全连接层 #####

> `当前`一层和`前`一层`每个`神经元互相链接。

#### 6、激活函数 ####

> 在对于分类问题，不能用过线性来准确分类是，我们可以通过感知机模型来更好的分类。即使用多层神经网络，在前面的感知机模型在增加一层。

![>][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTkyNjU0Nw_size_16_color_FFFFFF_t_70 7]

> 增加后

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTkyNjU0Nw_size_16_color_FFFFFF_t_70 8]

> 但经过对公式进行化简后仍然为一个线性模型。因此，这个模型并没有得到改善。此时，提出了在感知机的基础上加上非线性的激活函数之后，输出的结果就不是线性模型。进而

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTkyNjU0Nw_size_16_color_FFFFFF_t_70 9][]

##### 6.1 作用 #####

>  *  可见，激活函数是增加模型的`非线性分割能力`；
>  *  此外，可以提高模型的`鲁棒性`【健壮和强壮】；
>  *  缓解梯度消失问题；
>  *  加速模型收敛。

##### 6.2 常见激活函数 #####

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTkyNjU0Nw_size_16_color_FFFFFF_t_70 10]

>  *  `sigmoid`：只会输出整数以及靠近0的输出变化率最大；
>  *  `tanh`：与`sigmoid`类似，但是`tanh`输出是可以为负数；
>  *  `Relu`：输入只能大于0。常用于对图片格式的处理

--------------------

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTkyNjU0Nw_size_16_color_FFFFFF_t_70]: /images/20221021/a62e2ada2bb54f93a2bfe82e725c6ff1.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTkyNjU0Nw_size_16_color_FFFFFF_t_70 1]: /images/20221021/0b04d4d5a1864fc98620fc9b003223e2.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTkyNjU0Nw_size_16_color_FFFFFF_t_70 2]: /images/20221021/ba113f8998964ee3b8693620fecbff94.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTkyNjU0Nw_size_16_color_FFFFFF_t_70 3]: /images/20221021/39c18b7c5f7548c5bbe1827fc87a6c94.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTkyNjU0Nw_size_16_color_FFFFFF_t_70 4]: /images/20221021/ca6f1022dd424f56bda9ec1b6143dd7e.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTkyNjU0Nw_size_16_color_FFFFFF_t_70 5]: /images/20221021/b30119d84ca741cfada9829ed1c66a12.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTkyNjU0Nw_size_16_color_FFFFFF_t_70 6]: /images/20221021/8480f0340203413b893da8ee826abfcb.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTkyNjU0Nw_size_16_color_FFFFFF_t_70 7]: /images/20221021/73e43e778ccc4baebbdd001c907e0a74.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTkyNjU0Nw_size_16_color_FFFFFF_t_70 8]: /images/20221021/7f0e36acdb4b4b00a853422357ba69f5.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTkyNjU0Nw_size_16_color_FFFFFF_t_70 9]: /images/20221021/da6ca104f82141c28840cbf1a6ef14da.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTkyNjU0Nw_size_16_color_FFFFFF_t_70 10]: /images/20221021/24e80d3b824a40978a05bdee8fb1d4c1.png